AI 日报 · AI 日报
AI 日报|2026 年 9 月 27 日
NaiveAI 开放 309B 总参数、原生 100 万上下文的 Naive-N0.5-Flash,MiniMax 则把 M3.1-Flash-Preview 先放进编码工具。与此同时,Bend 和 Inspect AI 的更新分别把形式化验证与企业模型网关适配向日常工作流推进,Google 也开始在印度小范围测试从 AI 推荐直接进入 Flipkart 结账。
本文目录
导读
当模型可以读进更长的代码库、生成更多代码,开发者面对的问题就不再只是“它能不能写出来”。更实际的问题是:生成速度能否支撑交互,结果能否被机器检查,评测能否穿过企业网关稳定运行,以及模型推荐商品后会不会直接影响交易。
2026 年 9 月 27 日的更新恰好覆盖了这条链路。NaiveAI 开放 Naive-N0.5-Flash 权重,主打原生 100 万上下文与高吞吐推理;MiniMax 则让 M3.1-Flash-Preview 先在 MiniMax Code 中提供。两家公司都强调编码场景,但公开程度不同:前者给出了模型卡、权重和推理代码,后者当天主要交付预览入口,完整基准与独立计费信息仍不充分。
工具侧更关注“怎么知道结果可信”。Bend 2.0.32 为程序增加简明的证明结论,并可用一个较小的可信内核重新检查全部定义;英国人工智能安全研究所维护的 Inspect AI 0.3.271,则让评测请求更容易携带自定义请求头和请求体,并在 Google 计数接口不可用时使用本地估算继续运行。
应用侧也出现了一个值得谨慎观察的变化。TechCrunch 在印度看到,部分用户可以从 Gemini 或 Google AI Mode 的 Flipkart 商品结果直接进入品牌结账流程。Google 只确认公司经常测试新体验,没有公开这项试验的完整技术方案,因此本期把它作为有限测试记录,而不是正式全面上线。
本文按 Asia/Shanghai(北京时间)统计 9 月 27 日 00:00—23:59 内正式发布或可核实上线的信息。Naive-N0.5-Flash 的 Hugging Face 模型仓库、MiniMax Code 0.5.5、Inspect AI 0.3.271 和 Bend 2.0.32 的公开时间换算后都落在这一窗口;Google 与 Flipkart 的试验则由媒体在北京时间 9 月 27 日报道并取得 Google 回应。由于这是周日且可靠的一手更新较少,本期只保留 5 项,没有用更早发布后被二次转载的内容补足数量。“发生了什么”整理来源事实,“为什么重要”和“值得关注”是编辑分析。
今日要点
- NaiveAI 开放 Naive-N0.5-Flash:模型采用混合专家架构,共 309B 参数、每个词元激活 15.5B,原生上下文长度为 100 万词元;权重与推理代码采用 MIT 许可证,但完整的 NaiveRT 复现材料仍待后续补齐。
- MiniMax 发布 M3.1-Flash-Preview,并先在 MiniMax Code 与 Token Plan 中提供;官方文档列出 100 万上下文、多模态输入和可调推理深度,但独立按量 API、价格和正式版时间仍未明确。
- Bend 2.0.32 可以为没有
main函数的证明文件直接输出通过或失败结论,并用 BendTT 内核重新检查定义;证明只覆盖写入程序的性质,不能自动判断需求是否写对。 - Inspect AI 0.3.271 允许评测命令传入额外请求头与请求体,便于连接企业模型网关;Google 词元计数接口失败时可退回本地估算,但估算值不能直接视为账单依据。
- Google 在印度小范围测试 Gemini 与 AI Mode 中的 Flipkart “购买”按钮。媒体看到的是 Flipkart 品牌结账流程,Google 未说明底层是否采用通用商务协议,也没有公布全面推出日期。
重点进展
Naive-N0.5-Flash 开放了什么,100 万上下文意味着什么?
发生了什么
NaiveAI 在 9 月 27 日公开 Naive-N0.5-Flash 的模型仓库与权重。模型以 Xiaomi MiMo-V2.5 为基础继续训练,采用混合专家(Mixture of Experts,MoE)架构:总参数量为 309B,但每次处理一个词元时只激活 15.5B 参数。模型卡称它额外训练了 3.25 万亿词元,面向编码和人工智能研发任务。来源:NaiveAI 模型卡;来源:NaiveAI 推理仓库
它的原生上下文长度为 100 万词元。直观地说,上下文像模型一次工作时能摊在桌面上的材料,容量越大,越有机会同时放入大型代码库、日志和说明文档。模型采用 39 层滑动窗口注意力与 9 层动态稀疏注意力,不依赖完整注意力来处理全部历史内容。公开权重约 315 GB,实际部署需要支持 FP8 的 GPU 与足够显存,不属于普通个人电脑可以轻松本地运行的体量。
NaiveAI 还公布了 NaiveRT 推理运行时的初步数据。发布方称,在八张 GPU 的特定测试中,服务可达到每位用户每秒 50 个词元的标准速度,并在短时间窗口达到更高峰值;这些数字来自厂商自己的环境,受到硬件、并发、输入长度和统计方法影响,不能直接等同于所有部署的真实速度。来源:NaiveAI 研究说明
权重、模型定义和当前推理代码使用 MIT 许可证公开,不过研究页面同时说明,更完整的 NaiveRT 内容和复现材料将在 10 月 12 日前提供。也就是说,9 月 27 日已经可以下载模型,不代表发布方所描述的全部高吞吐方案都已具备完整复现条件。
为什么重要
长上下文模型的价值不只是“能塞进更多文字”,而是减少大型代码任务中反复裁剪材料、重新检索和丢失前文约束的概率。与此同时,100 万词元也会放大输入成本、首个结果等待时间和无关信息干扰;能够读取整个仓库,并不保证模型会找到真正相关的文件。
这次发布把模型权重和推理优化放在同一条路线中,说明长上下文的竞争开始更多转向“能否以可接受的速度持续服务”。不过,性能表格仍需第三方复现,公开权重也不等于低成本部署。团队评估时应分别测试准确率、长上下文检索、吞吐、显存占用与总成本,而不是只比较最大上下文数字。
MiniMax M3.1-Flash-Preview 为什么先进入编码工具?
发生了什么
MiniMax 在北京时间 9 月 27 日 13:24 通过官方账号宣布,M3.1-Flash-Preview 当天进入 MiniMax Code。官方模型文档随后把它列为面向编码的多模态模型,支持 100 万词元上下文和可调推理深度;当前只通过 Token Plan 与 MiniMax Code 提供。来源:MiniMax 官方发布;来源:MiniMax 模型文档
用户可以在 low、med、high、xhigh 和 max 五档之间调整推理强度。这个设置不是五个不同模型,而是让同一模型在响应速度、计算量和思考深度之间取舍:修补简单错误可以选择较低档,跨文件设计或复杂调试可以提高档位。
同日发布的 MiniMax Code 0.5.5 主要修复运行时、引导流程、终端显示与会话问题,并要求 Node.js 22.19 或更高版本。发布记录也写明,自动测试覆盖 Linux 与 macOS,Windows 和真实服务验收没有在该版本发布前运行。来源:MiniMax Code 0.5.5 发布记录
当天能够确认的是预览入口和产品文档。MiniMax 尚未在同一发布中给出一套可独立复核的 M3.1-Flash-Preview 基准表,也没有公布单独的按量 API 价格或去掉 Preview 标记的时间。因此,不能只根据名称中的“Flash”推断它比 M3 在所有任务上更快或更准确。
为什么重要
先把模型放进编码工具,可以在统一的文件读写、终端执行和上下文管理环境中收集实际反馈,也避免开发者自行适配尚未稳定的 API。对于用户,它提供了更低门槛的试用路径;对于模型提供方,它也意味着模型能力与编码工具的提示、权限和执行质量暂时难以完全分开评价。
预览阶段最值得测试的不是单次代码补全,而是不同推理档位是否真的带来可预测的质量与时间差异。团队还需要记录失败类型、工具调用、修改范围和回滚成本,不能把“在编码工具中可选”直接解释成适合无人监督地修改生产代码。
Bend 把程序证明变成一句结论,能证明到什么程度?
发生了什么
Bend 是一种支持并行计算和形式化证明的编程语言。形式化证明不是多跑几组测试,而是把程序应满足的性质写成可由检查器验证的逻辑命题。9 月 27 日发布的 Bend 2.0.32,让不含 main 函数的证明文件,或使用 --check-only 的文件,直接输出 ALL PROOFS CHECK 或 SOME PROOFS FAIL。来源:Bend 2.0.32 发布记录
一个证明要被判定通过,相关代码必须通过检查,并且不能依赖 @unsafe 定义或用户提供的外部代码,导入内容也包含在检查范围内。原来的 --safe 参数改名为 --verdict,它会用经过证明的 BendTT 内核重新检查每个定义;如果需要输出中间的 .bendtt 文件,则要显式指定 -o。
这个版本还收紧了网络服务的默认行为:TCP.listen 和 UDP.bind 现在要求明确给出绑定地址,不再默认监听所有网络接口。这是破坏性变更,但能减少开发或生成代码在不知情时对外暴露服务的风险。
为什么重要
AI 生成代码越多,“看起来能运行”与“满足关键性质”之间的差距越值得关注。简洁的证明结论可以进入持续集成流程,让人和编码智能体都明确知道变更是否破坏了已经写下的性质;小型可信内核重新检查,则把信任范围从整个生成过程缩小到验证器。
形式化验证仍不会自动理解产品需求。若开发者把错误的性质写得非常严谨,系统只能证明程序符合这个错误说明;涉及不安全定义、外部代码、网络和真实运行环境的行为也需要额外审查。Bend 的生态规模和适用范围同样有限,这次更新更像是一条可验证开发路线的实际进展,而不是所有 AI 代码的通用安全方案。
Inspect AI 为什么要允许额外请求头和请求体?
发生了什么
Inspect AI 是英国人工智能安全研究所维护的模型评测框架。0.3.271 版本为 inspect eval 和 inspect eval-set 增加 --extra-headers 与 --extra-body 参数,接受内联 JSON 或 YAML 映射。评测人员因此可以在不修改任务代码的情况下,为请求增加企业网关要求的路由、版本或策略字段。来源:Inspect AI 0.3.271 更新日志
同一版本还调整了 Google 模型的词元计数。如果远程 countTokens 接口不可用或拒绝请求,Inspect 会发出警告,并退回本地估算,而不是让整个评测立即失败。PyPI 的发布文件在 9 月 26 日 22:07 UTC 左右上传,换算后是北京时间 9 月 27 日 06:07;更新日志沿用项目记录的 9 月 26 日日期。来源:PyPI 的 Inspect AI 0.3.271 发布文件
为什么重要
企业很少让评测工具直接连接公开模型端点。请求通常要经过统一网关,附带租户、路由、审计或策略信息。把这些字段做成命令行参数,可以减少为每个环境维护一份定制代码,也更容易把同一评测放进自动化任务。
容错同样有边界。本地估算能让评测继续,但不同服务的分词和计费规则可能不同,估算值不适合直接用于成本结算或严格配额判断。额外请求头也可能包含密钥,团队应通过环境变量或秘密管理系统提供,避免把凭据写进脚本、终端历史和评测日志。
Gemini 里的购买按钮,已经把 AI 变成收银台了吗?
发生了什么
TechCrunch 报道,Google 正在印度对部分用户测试 Flipkart 商品购买流程。参与测试的用户会在 Gemini 和 Google AI Mode 的部分商品结果中看到“Buy”按钮,点击后进入 Flipkart 品牌的结账流程,不必重新搜索商品。测试范围有限,主要涉及手机、电子产品和配件;并非所有用户、商品或商家都出现该按钮。来源:TechCrunch 对有限测试的实测与采访
Google 发言人向 TechCrunch 表示,公司经常测试帮助用户发现并联系商家的新功能,但没有提供更多细节。Google 早前已推出通用商务协议(Universal Commerce Protocol,UCP),让 AI 服务与商家在搜索、购物车和结账环节交换结构化信息;不过,报道看到的是 Flipkart 品牌流程,Google 没有确认本次测试是否由 UCP 驱动。来源:Google 的 UCP 说明
媒体援引知情人士称,Google 计划在 10 月扩大测试。由于公司没有正式确认具体时间与覆盖范围,这仍是报道中的计划,不应视为已经承诺的产品日程。Flipkart 当时也没有向媒体回应。
为什么重要
传统搜索把用户送到商家页面,推荐系统主要影响点击;若购买入口留在 AI 界面里,模型排序会更直接地影响成交。用户少走几步可能提高转化,但也会让推荐依据、广告标记、价格比较、退换货责任和商家公平性变得更重要。
这项测试还不能证明 Google 已成为完整交易方。结账界面仍由 Flipkart 提供,底层协议、支付责任和佣金安排没有公开。更准确的观察是:AI 搜索正在试探从“帮你找到商品”走向“帮你开始购买”,真正的商业与监管影响要等覆盖范围和规则明确后再判断。
值得关注
长上下文需要用真实工作负载验收
100 万词元是容量上限,不是质量保证。评估时应准备跨目录依赖、相似文件干扰、长日志定位和中途改需求等真实任务,同时记录首个结果等待时间、输入成本与引用准确性。
预览模型要把“模型能力”和“工具能力”分开测
MiniMax M3.1-Flash-Preview 当前主要通过 MiniMax Code 使用。文件选择、提示组织、终端执行与重试都会影响最终表现,因此既要检查任务是否完成,也要保留工具轨迹,避免把编排效果全部归因于模型本身。
生成代码后的验证应独立于生成者
Bend 的小型检查内核提供了一个清晰思路:生成过程可以复杂,最终结论应尽量由更小、权限更低、容易审查的组件验证。普通项目也可以采用类似分工,让测试、静态分析、权限策略和发布门禁独立运行。
评测不中断,不代表计量仍然精确
Inspect AI 的本地词元估算适合保持任务连续,但必须在报告中标出降级。若成本或上下文上限会改变结论,应在远程计数恢复后复核,而不是把警告隐藏在日志里。
AI 购物首先需要解释交易边界
购买按钮出现在 AI 界面后,用户应能看清推荐是否含广告、实际卖家是谁、结账发生在哪里,以及退款和售后由谁负责。减少页面跳转不应以模糊责任为代价。
来源
以下为本期使用的 11 个主要来源,核验时间为北京时间 2026 年 9 月 28 日。模型规格、性能与可用范围按发布方材料处理;NaiveAI 的性能数据尚待独立复现;Google 与 Flipkart 项目是媒体确认的有限测试,不是全面上线公告。
- NaiveAI:Naive-N0.5-Flash 模型卡、架构、训练与部署说明
- NaiveAI:模型推理代码与许可证
- NaiveAI:NaiveRT 研究说明、性能口径与材料开放计划
- MiniMax:M3.1-Flash-Preview 官方发布帖
- MiniMax:模型能力与当前可用渠道
- MiniMax:MiniMax Code 0.5.5 发布记录
- Bend:2.0.32 证明结论、可信内核与网络绑定变更
- Inspect AI:0.3.271 更新日志
- PyPI:Inspect AI 0.3.271 发布文件
- TechCrunch:Gemini 与 AI Mode 中 Flipkart 购买试验的实测与公司回应
- Google:通用商务协议与 AI 购物流程说明