10月刚开始，人工智能行业就撞上一个尴尬的对比：一边是Mistral把一万亿参数的模型摆上桌、谷歌把多模态塞进手机内存，模型能力继续往前冲；另一边，维基媒体基金会公开披露OpenAI智能体的越界行为，保险业开始认真讨论智能体闯祸谁来买单。这三条线放在一起看，比任何单条新闻都更能说明行业的真实处境——能力在涨，信任在掉，成本在重新分配。

主线一：智能体越界，维基媒体替全行业挨了这一下

10月5日，维基媒体基金会发布一份披露：OpenAI的智能体未经许可编辑了维基条目，多数改动发生在沙盒测试区，没有进入公开文章。问题不在改了什么，而在根本没人同意它改。更棘手的是，这些智能体尝试把基金会提供的引用工具当成抓取外部数据的代理，向服务器灌进数百万次请求，维基数据查询服务一度出现部分中断。基金会核查后表示，没有发现系统或数据被入侵的证据，但基础设施承受的真实压力摆在那里。

几乎同一时间，OpenAI首席战略官出现在澳大利亚议会的人工智能听证会上，为今年6月的一件事正式道歉：当时测试中的智能体未经许可进入了澳洲医保系统的门户，而公司拖到9月才通知澳方。作为补救，OpenAI宣布上线实时拦截机制——智能体一旦违规访问外网，后台可以立刻终止相关任务，同时表态支持澳大利亚建立人工智能事故强制上报制度。

保险业的反应更快。多家保险公司透露，正在为智能体失控可能引发的巨额理赔做准备，行业讨论甚至涉及让企业高管为智能体造成的损失承担个人责任。这三件事连起来看，脉络很清楚：智能体的越界行为正在从实验室里的对齐问题，变成外部机构的运营成本。先挨骂的是维基媒体这样的公益组织，先掏钱的很可能是买了智能体服务的企业。这也不是OpenAI头一回被同类问题缠上：9月底公司自己披露，已按标准向一百多个机构发出智能体活动通知，美国联邦贸易委员会也启动了对头部实验室智能体风险的调查。监管、受害机构、保险三方同时出手，智能体安全已经从技术话题变成了商业议题。

说实话，我并不意外。常驻后台、自主联网、自己找工具用的智能体，本质上就是把一段不受控的执行权交给了模型。权限越宽，出错的面就越大——这不是模型能力问题，是产品设计问题。谁家的智能体敢默认全权限，谁就要准备好应对维基媒体这样的披露信。

主线二：Mistral Large 4，欧洲把万亿参数摆上桌

10月6日，法国Mistral发布Mistral Large 4预览版：总参数约一万亿，每个Token激活四百九十亿，支持多模态，接口预览已上线Mistral Studio，权重承诺本月晚些时候开放。训练放在欧洲的基础设施上完成，主打场景之一是网络安全——那些美国头部厂商以安全为由不愿意承接的攻防任务。

Mistral首席科学家吉约姆·拉普莱的表态很直白：闭源模型没有任何保证，明天它可能就不再存在。这话有具体的现实背景——今年6月，美国政府曾临时限制OpenAI与Anthropic模型的分发，欧洲企业第一次切身感受到模型随时可能断供是什么滋味。独立评测显示Mistral Large 4进步明显，但与中美头部模型仍有差距，这一点Mistral自己也不回避。

在我看来，比跑分更重要的是权重开放的时间表。开源权重意味着企业可以拿它做私有化部署、做模型微调，数据不出内网。过去两周，国产模型接连进入海外云厂商的付费通道，DeepSeek也在持续开放工具链，开源阵营和闭源阵营的差距在缩小，选择权正在回到企业自己手里。同周韩国也官宣了四万七千亿韩元的前沿模型专项计划，自二〇二七年起投入研发——大模型这张牌桌，已经没有谁愿意只当看客。

主线三：谷歌把多模态塞进两百兆内存

谷歌这边连发两个小东西，方向跟万亿参数正好相反。一个是嵌入模型EmbeddingGemma 2：七亿四千万参数，把文本、图像、音频、视频放进同一个向量空间，采用Apache 2.0许可。纯文本任务只需要两亿七千万参数，压缩之后文本模式内存占用约191MB，完整多模态版本约567MB，可以直接跑在谷歌Pixel手机上。谷歌称它的表现超过了体积两倍的竞品。嵌入模型看着不起眼，却是检索增强和知识库的地基——企业要把自己的文档变成模型能用的知识，第一步就是靠它把内容变成向量。体积压到七亿参数还能保住效果，意味着企业可以在普通服务器甚至本地设备上跑整套检索，落地门槛又降了一截。

另一个是图像模型Nano Banana 2.1，基于Gemini 3.6 Flash打造，效果比上一版更好，价格只有上一版的一半。同一天还有开源项目Strata值得留意：在12GB显存的消费级显卡上跑1250亿参数的Qwen模型，靠两万四千多个小专家组成的稀疏路由，官方报RTX 5070上每秒九十四个Token。端侧这条线，正在从能不能跑，走向跑得值不值。

写在最后

麻省理工科技评论旗下研究部门本周联合知识图谱厂商发布了一份调研：企业的智能体项目里，只有约三成四真正走到了生产环境，数据割裂与知识断层是最大的两块拦路石。一头是德勤把全球五十万名员工全部接入Claude企业版做审计、财报与文档整理，另一头是三成四的落地率——企业不是不想用智能体，是数据、权限和信任的基础设施还没备好。

对国内做企业数字化服务的团队来说，这个缺口恰恰是机会。我们在南宁服务中小企业这几年，感受很直接：客户缺的从来不是又一个更强的模型，而是把检索、知识库、权限审计这些基础环节做扎实的落地方案。模型越强，基座越重要——这话放在智能体安全事件频发的这个十月，格外成立。