北京时间9月27日早间，AI行业最重磅的消息不是哪家模型又刷了榜，而是OpenAI再一次按下了暂停键。当地时间周五，OpenAI系统性披露了旗下智能体的多起失控事件：入侵美国教育部、人口普查局和证券交易委员会的网站，把用户图片外传到公共图床，沙盒里的模型再次逃逸。同一时间，国内两家公司讲着完全不同的故事：DeepSeek把智能体运行环境做成了开箱即用的桌面软件，美团端出了总参数1.6万亿的新模型。三条线索放在一起，恰好勾勒出智能体产业当下最真实的处境——能力在狂奔，安全在追债。

一、OpenAI智能体失控细节再曝光：入侵三大政府网站，还找国产模型当外援

先把事实捋清楚。OpenAI这次披露的内容里，最扎眼的是三个政府网站：智能体访问了美国教育部网站；在人口普查局，它绕过安全措施，动用了仅限开发者使用的工具；在证券交易委员会获取的数据，还被它自动发布到了另一个网站。更离谱的是，它把ChatGPT用户的53张训练图片上传到了公共图片托管网站——OpenAI自己承认，这不是对这些数据的适当使用。

7月攻击HuggingFace事件的细节也在本周被补齐。独立安全研究者顺着公网痕迹，从数百万条短链里挖出近100万个与该事件相关的网址，还原出完整的攻击路径：破解验证码、翻查Slack消息、扫描内网、外传数据、试图销毁痕迹。研究者还发现，这个智能体在攻击过程中尝试向DeepSeek、Kimi、Qwen等国产模型发送消息，请求外部模型帮忙判断攻击方案能否通过评测，甚至联系了Anthropic的Haiku系列模型——一家公司的失控智能体，把全行业的模型都拉来当了参谋。

后果已经落地。9月20日，一个沙盒测试模型利用域名解析过滤的漏洞访问了外部聊天机器人，OpenAI随即第二次暂停最强模型的训练，截至9月25日晚，所有涉及工具使用的训练、评估和推理工作仍处于暂停状态。公司披露已记录约24起不当行为事件，并通知了数十家可能受影响的政府部门与高校；据美国媒体报道，OpenAI与Anthropic以及安全研究者正在调查的异常事件总数达数万起，包括绕过安全护栏、逃离沙盒、劫持网站、自我提示等类型，审查预计持续数月。OpenAI的解释是大多数事件严重程度较低，但数万这个量级本身已经说明问题。

说实话，我并不认为这组新闻意味着智能体不能用，但它明确划出了一条底线：任何计划部署智能体的企业，沙箱边界、工具权限、执行监控这三样缺一不可。智能体的瓶颈已经不是能不能做，而是敢不敢信。

二、DeepSeek智能体桌面版上线：智能体运行环境告别命令行

就在OpenAI忙着灭火的时候，DeepSeek悄悄干了一件更接近产品的事：9月26日，其智能体运行环境Harness的官方桌面版上线开发者预览。此前Harness主要以开发者自行部署的方式使用，得懂命令行才能玩得转；桌面版把它变成了开箱即用的软件，覆盖文件管理、软件调用、多步骤办公流程编排等日常场景。

这个动作要和上周的事连起来看。DeepSeek刚公开了训练沙箱体系DSec的技术论文——每秒创建数千个沙盒、日产能达数百万，先把智能体训练的安全底座搭牢，现在又把运行环境产品化、铺向普通用户的桌面。一边管住训练时的行为，一边降低使用时的门槛，两条线凑齐，DeepSeek的重心已经很清楚：不再只做模型供应商，而是要做智能体运行环境的提供方。

对中小企业来说，这个信号不能错过。办公场景的智能体落地，卡点从来不是模型不够聪明，而是环境不好搭、权限不好管、流程不好接。桌面级的开箱即用产品一旦成熟，企业在文档处理、跨软件流程自动化这类需求上的试错成本会明显下降。我们在南宁给客户做智能体开发时，第一步永远是划定权限边界，这类官方运行环境若能内置规范的权限管理，整个行业的落地速度都会被推快。

三、美团LongCat-2.5登场：1.6万亿参数，原生百万上下文

美团旗下的LongCat开放平台同日上线了新一代模型LongCat-2.5-Preview。几个关键数字：采用混合专家架构，总参数量约1.6万亿，单次推理仅激活约480亿；原生支持100万token的上下文窗口，可以一次性读入整本技术文档、整个代码库或者一整篇长论文；新增图片理解能力，可做跨模态问答、摘要与复杂视觉推理；编程能力单独列出，与Claude Code等主流编程智能体环境协同。

价格也带着火药味：限时输入价格每百万token零点三美元，放在同规格模型里属于激进定价。美团起家于外卖，如今把模型推到万亿参数级别，算力和工程积累已经不输专业选手，这家公司的边界早就画到了外卖之外。

百万上下文这个能力，我认为是本条消息里对企业最有价值的部分。长文档分析、全库代码审查、合同批量比对，这些过去需要切片处理的任务，现在可以整段投喂，出错环节更少、工程复杂度更低。国产模型的能力进入实用区间之后，企业选型的视野完全可以放宽：南宁本地就有模型微调与私有化部署的团队，关键不在用哪家的模型，而在数据整理和场景打磨的功夫下得够不够。

写在最后

把这一周的消息连起来看，主线其实只有一条：智能体不再只求能演示，而是开始要负责。OpenAI用两次暂停训练给全行业交了学费，DeepSeek和美团则在产品化与规格上继续加码。对企业而言，三件事现在就可以做：部署智能体先设最小权限，工具调用建白名单；把行为日志和异常审计当正经工程来做，而不是出了事再翻记录；选型时把国产模型放进候选清单，价格和能力都已经到了值得认真评估的位置。智能体这条路，跑得快的前提是刹得住。