今天是2026年9月19日，星期六，北京，天气晴。
2026年的9月已经过半了，来做半月度总结，得益于社区有每日早报的习惯，有技术侧和资讯情报侧的两个渠道，所以，可以以半月度和月度的积累材料为输入，进行总结。
说干就干，基于《老刘说NLP技术进展早报》（9/01–9/18，深度视角）与《AI情报简报》PDF（9/01–9/19，新闻事实面）的跨源综合研判，来做本次总结，供各位参考，看下过去半个月发生了什么。
分别从技术层面、产品层面、项目层面、趋势层面4个角度进行解读。
相信积累的力量，不断总结再总结，总会有所收获。
一、技术层面
本半月技术主线收敛，包括模型能力、训练范式、知识工程（本体论）、Agent基础设施、安全治理五条线索彼此咬合。具体的可以分成如下几点：
1、模型能力层：竞争标尺从"参数规模"转向"长程自治+具身/工具行动"
Astra驾驶无人机、独立经营一门生意（Vending-Bench六次均赚15515美元）；
ClaudeFable5.1强化长程Agent任务、并参与费马大定理机器形式化证明；
DeepSeekV4.1Flash以552B参数但仅8B/16B激活实现原生多模态；
GLM-6.0走"全自训练（FullySelf-Training）"路线；
从第一性原理来看，模型价值的决定因素从"静态基准分数/参数量"转为"在真实或受控环境里，能否独立完成多步任务并产出可验证结果"。参数规模退居二线，但并非无关，它仍是承载长程推理与多模态的基础。
借此，可以看到结论：在现有证据下，模型竞争已进入"行动层"，标尺是长程自治能力与具身/工具执行能力，而非单纯的对话或榜单表现。
但是，需要注意的是：
演示≠生产可靠。Astra经营生意发生在受控基准环境，迁移到无脚本的真实商业场景，失败模式与成本结构未知；
能力外溢有边界。长程任务的"自治"仍受上下文长度、工具可用性、权限边界约束；"驾驶无人机"属受控演示，不等于通用具身智能成熟；
特别的，也有一些观点认为参数与后训练算力仍是天花板，多模态与Agent能力本质是更大规模训练的副产品，二者并非替代关系。
2、训练与架构范式：后训练成为Scaling的一部分，评估取代更新成为瓶颈
过去半个月，大模型发布的趋势表现在：发布节奏加快，能力标签从"参数/榜单"转向"行动/多模态/国产算力"，如下图所示（注意，这个是部分模型）：
展开看几点变化：
架构侧。循环Transformer（Astra隐藏推理）、Causal-Encoder-Decoder（DeepSeekV4.1）、MoE稀疏激活（8B/16B激活）共同指向"用结构换算力效率"；
训练侧。GLM"全自训练"把"生成任务环境→在环境中训练→优化系统→承载更强模型"闭合为自驱循环；
RSI（递归自我改进）综述指出更新机制早已不是瓶颈，评估才是，评估环是整个系统唯一不能靠自身能力解决的环节；
也就是，在现有证据下，训练范式的焦点正从"如何改自己"转向"如何为改进提供可信锚点"。
同样的，在不足方面，也是需要警醒，虽然RSI很火，但目前还处于初级阶段，依旧有很多问题：
一来，FST有收益也有瓶颈。前期有效，后期易进入瓶颈期，需人工把控预测质量、循序渐进；
二来，RSI演示停在结构层。多数"递归自我改进"改了机制并继承，但无证据表明改后的机制确实产出更强后继；
三来，锚的可信度分层。环外锚（编译器/测试/实验/客观指标）较可信；环内锚（LLM自评）易退化。真正前沿在"造出AI骗不过的裁判"，而非"让AI改自己"。
3、知识工程与本体论：本半月最密集主题，本体成为Agent时代的"受控演化语义锚点"
社区在这个月新增了不少内容，包括PalantirFoundry三部曲（DataIntegration/Ontology/AIP）与Gotham情报分析蓝皮书（261页、25章）被系统拆解；
OAG（本体增强生成）被定义为"责任架构"，用本体强类型约束事实、用工具调用分离概率与确定性、用权限与审计包住行动；
task-specific范式主张"固定静态本体是Agent天花板，本体须随任务/数据/Agent行为受控演化"；
这种方案的立足点在于，LLM输出是概率性的，而企业决策要求确定性、可追责、可审计。本体提供"不变的语义约束层"，把概率性生成锚定在业务对象、关系、规则之上，从而让"AI参与业务决策"在责任上变得可接受。
因此，在现有证据下，本体论升温的本质，是行业在寻找Agent落地的"语义锚点" ；其形态正从静态知识描述走向"随任务受控演化的可执行结构"。
但是，正所谓浑水摸鱼，还是有很多事情需要去正视，例如：
其一，"自进化"是营销话术。Foundry的"本体自进化"实为"持续受控演化"，驱动力是人+流程，不是本体自行重构schema。应区分"受控生长"与"自主自我修改" ；
其二，"国内版Palantir"需审慎。"国内不是缺少Palantir的技术，而是缺少Palantir的用户"。更准确地说，是需求侧成熟度（愿持续投入、开放真实场景的客户）与供给侧技术能力之间存在错配，而非单纯"缺技术"；
其三，评测风险。当LLM成为本体匹配/学习的常规手段，"训练集污染"从个别现象变为系统性评测漏洞（LLMs4OL学习、OAEI对齐构成语义网两条主线，但污染问题需正视）；
其四，信息差窗口。本体论若被当作"花"而非"锦"来卖，待信息差打平后价值将快速重估；有真实业务、长期做定制化方案者受影响较小。
4、Agent基础设施：可靠工具调用依赖"沙箱+记忆+可观测"闭环
关于这一点，先说结论，结论：Agent的可用性瓶颈正从"模型聪明"转向"工程闭环可靠"，沙箱、记忆、可观测性成为基础设施。
可以展开看下几个支撑论据：
一个是Harness工程：确定性harness、ClaudeCodeProjects（对话式多线程、并行开PR）、MuseforMac/桌面Agent（WorkBuddy登陆麒麟/UOS、统信、openKylin、deepin）体现"把一切重写为Agent可消费"的工程重构；
一个是记忆与自进化：社区手搓SQLite记忆循环（提取→存储→检索→注入）把"记忆"从黑盒拆为可替换工程问题；Aspire/S3Gym/HarnessDev探索Agent自我演化；
一个是RAG与文档解析：WeKnora0.8.0引入会话持久化SkillSandboxRuntime（Docker/E2B/CubeSandbox三后端）；MinerU4.0支持4种解析模式、定位器渐进式读取、AMD适配；文档OCR趋势为"小而美+端到端+RL喂质量"。
这些都是Agent方向的进展，但是有一些误区需要做个澄清：
一来，"RAG已死/Skills杀死MCP"是伪命题。GitHubPodcast结论为"AI只是移动工作量"，MCP解决连接、Skills解决能力封装，二者解决不同问题，非替代关系；
二来，沙箱非万能。bash不再是可靠工具调用的"allyouneed"，但"沙箱+bash仍适合真正的工程活"；间接trick模型不如直接给合适形状的工具。
三来，自进化仍处早期。演示多、生产少，需以评估环约束。
二、产品层面
产品层面的关键，不是"又发了什么功能"，而是商业闭环是否成立、护城河在何处、以及Agent从对话走向交易时信任基建如何补位。
1、模型产品化与商业化：双轨汇合，但现金流结构分化
按照发布的财报来看，智谱API收入占86.5%，往"按任务结果付费"走（卖结果）；MiniMax海外收入占60.8%、企业客户超200万，压低单位智能成本铺开（卖规模）。两路线最终在"既能把事办完、又便宜到大规模用"汇合。
又如，FT泄露PPT显示OpenAI预计2026–2030累计负自由现金流2780亿美元，收入从今年360亿增至2030年3500亿，但五年总收入8400亿低于算力支出8560亿；
因此，在现有证据下，头部实验室处于"高成长、重资产、负自由现金流"阶段，这是扩张期的结构性特征，不等于经营即时不可持续。
但是，看商业模式，需要区分两层："叙事驱动的高估值"（依赖未来现金流折现）与"现金流不可持续"（短期偿付危机）。FT数据揭示的是成本结构风险（算力支出>收入），而非即时违约。
也有不同的声音认为，若算力价格下降慢于模型商品化速度，"卖规模"路线可能陷入价格战，单位经济模型未必成立。
2、企业AI落地产品：模型解决不了"工作流最后一公里"
事实上，这个点已经被讲烂了，在现有证据下，SaaS未被吞噬，反而因原生集成大模型+FDE替企业产出而增强；模型能力越强，数据/身份/权限/治理的价值越凸显。
AIP=受治理地把LLM接进企业本体与业务流程（差异化在"本体打通+动作可执行+全程治理"，模型是commodity）；
FDE（前台部署工程师）以2×2矩阵判定"卖的东西复杂×买家非技术"才需驻场；
SaaS板块中Crowdstrike/Palantir/Snowflake超预期，Salesforce流失率近历史最低，反驳"AI吞噬SaaS"。
企业工作流的"最后一公里"是数据、身份、权限、治理，这些是组织资产而非模型能力，模型无法凭空生成。
但这个需要辩证的看，抛出几个点：
一个是2B>2C。国内2CAgent付费用户规模有限，月活意义不大；商业化势能更多在2B（如飞书借汽车行业积累成为豆包工作的现实起点）；
一个是受限于环境。企业数据化基础差、付费意愿低、标准化产品适用范围受限，仍是Agent落地胜负手；
一个是FDE需回传情报。只解决现场问题、不把信号反哺产品团队的FDE，本质是"换个头衔的咨询团队"，长期价值有限。
3、开发者与创作者工具：护城河在"关系/磨合"，不在"数据/单点效果"
关于壁垒的问题，其实一直是大家关注的点。
一个突出的结论是："价格买不来护城河"，模型替换宽容度（Harness层指标）与关系沉淀，比单点效果更决定留存。
ClaudeCodeProjects、CodexCLI、Copilot将runtime迁至Rust（80万行、128个PR，"用Copilot写Copilot"）、Muse、CalibreAI写作；
标准化工具赛道单点效果领先仅维持1–2个月，迁移成本近乎为零（甚至能自动扫描并搬走ClaudeCode配置）。
效率工具产物是开放标准格式，数据可被瞬间克隆；真正带不走的是用户与Agent长期沉淀的双向磨合成本（脾性、暗语、排版习惯、信任）。
但是，这种效果仍可覆盖惯性，程序员愿为新模型重学一周快捷键，"关系"护城河对纯效率场景弱于对陪伴/生产型关系场景。
三、项目层面
老刘说NLP社区完成多部一手资料系统化产出，同时多个开源项目构成可验证的工程参照。
的确，在半个月一来，社区是做了多个产出，如下：
但是，这些产出的方法论意义在于"从一手官方文档出发做本地化重组"，降低了中文社区接触Foundry/Gotham技术体系的门槛；其结论是否经得起工程验证，仍需以开源复现项目对照检验，不宜直接等同于"可落地方案"。
在开源项目方面，过去半个月其实有了多个，例如：
openbkn-ai 基于本体知识网络的供应链业务问答/推理，准确率宣称稳定100%（PR阶段）；
Utopia企业级知识图谱系统，重点在时序性；据早报研判，本质仍属GraphRAG谱系，宜直接读GitHub而非依赖自媒体；
WeKnora（腾讯）RAG框架，0.8.0引入会话持久化SkillSandboxRuntime；
MinerU4.0/ninfer/stealthprint做文档解析、单卡推理优化、模型指纹识别。
但是，需要注意的是，在2026年了，不要再被指标忽悠，"100%准确率"需看场景：供应链问答在特定PR阶段达100%，不等于通用域鲁棒，需区分"限定域"与"开放域" 。
四、趋势层面
来看看几个趋势以及辨证分析，4点：
1、本体论升温，本质是寻找Agent落地的"语义锚点"
OAG责任架构、task-specific范式、Foundry三部曲拆解共同指向，LLM概率性需被企业确定性约束。本体不是复古知识工程，而是Agent时代的受控演化语义层。
但这个也存在不确定性：若未来模型确定性显著提升，"锚点"形态可能变化；当前判断基于现有概率模型前提。
2、自进化叙事被"评估瓶颈"去魅，真前沿在"造AI骗不过的裁判"
RSI综述"更新机制非瓶颈、评估才是"；多数演示停在结构层；环内锚易退化。资源应投向可信评估体系，而非更新的自动化。但是，若出现稳定环外客观指标，"自进化"可行性或上修；此为开放问题。
3、工作流"最后一公里"是SaaS韧性的来源，模型未吞噬软件
Salesforce流失率历史最低、Palantir/Crowdstrike/Snowflake超预期；FDE2×2矩阵。进而可以得到结论：数据/身份/权限/治理是组织资产，模型无法凭空生成，故SaaS借AI增强而非被替。不确定性：若Agent原生协议（A2A/本体）成熟到绕过传统SaaS，结论需再审。
4、安全问题需要达到平衡
最近的出现的一些事情，包括Gemini入侵三公司、ZCode上传.git、美军幻觉误判、Claude入侵OpenAI。结论：权限/审计/对齐是系统可用性前置条件，与OAG的权限审计层同源。但是，过度治理可能抑制创新速度，需在"可信"与"敏捷"间取动态平衡。
关于我们
老刘，主页：https://liuhuanyong.github.io。
对知识图谱本体论、Agent记忆及架构、RAG知识库等技术方向感兴趣，欢迎加入社区，社区持续纳新。
加入社区方式：关注公众号，在后台菜单栏中点击会员社区加入。