一周AI大事：国产开源模型逼近GPT-6 Astra，AI就业政策引关注

过去一周，AI领域动态密集：月之暗面开源了参数规模接近3万亿的Kimi K3.1 Pro，在真实编程任务中表现抢眼；Anthropic推出主动型智能体Claude Duet，探索个人智能体新形态；国务院办公厅则发布了AI与就业的专项文件，试图在技术进步与就业保障之间寻求平衡。以下是对本周关键事件的梳理与分析。

国产开源模型新突破：Kimi K3.1 Pro

月之暗面在周末发布了Kimi K3.1 Pro开源模型，参数规模接近3万亿。据B站UP主在视频中展示，该模型在“做游戏、写软件”等场景下展现出令人印象深刻的生成效果。

更值得关注的是其在编程任务上的量化表现。在一项真实编程任务测试中，Kimi K3.1 Pro取得了65.7%的成绩，不仅超过了GPT-6 Astra，距离OPEX 5.5也仅有0.7的差距。这一结果意味着国产开源模型在代码生成与软件构建能力上，已经进入国际第一梯队的竞争区间。

安全考量：主动剔除攻击相关数据

Kimi此次在训练策略上还有一个特别之处：主动剔除了部分网络攻击相关数据，以降低模型被滥用于攻击系统的风险，同时尽量保留日常编程能力的完整性。这种做法反映了模型开发者在开源与安全之间寻求平衡的尝试——在开放权重的同时，通过数据层面的筛选来抑制恶意使用场景。

完整模型权重计划在11月4日前开放，开发者将能够在自己的设备上部署该模型。对于需要本地化、隐私敏感或定制化AI能力的团队而言，这是一个值得关注的选项。

混合专家架构与激活参数：Kimi K3.1 Pro 宣称的“接近3万亿参数”在业内通常指模型的总参数量，而非每次推理实际参与计算的数量。当前超大规模开源模型普遍采用混合专家（MoE）架构，前向计算时只激活其中一小部分专家，因此“总参数”与“激活参数”是两个需要区分的指标。这解释了一个现象：一个总参数接近3万亿的模型，其推理成本未必按同等倍数增长，在消费级或多卡设备上部署也具备现实可能。评估此类模型时，更值得关注的是激活参数规模、专家数量与路由策略，而非仅看总参数，这也是比较不同模型“体量”时常见的误区。

开放权重与开源的区别：文中“完整模型权重计划开放”属于**开放权重（open weights）**发布，即公开训练后得到的参数文件，允许他人下载、部署甚至微调，但通常不公开训练数据、训练代码与完整流程。这与严格意义上的开源软件存在差别：使用者获得的是可运行、可修改的模型，却难以完全复现其训练过程。开放权重的好处是降低本地部署门槛，适合隐私敏感或需要定制的场景；代价是发布方对下游用途的控制力较弱，一旦权重流出便难以回收。因此“剔除攻击相关数据”这类前置筛选，往往成为开放权重发布者在安全与开放之间采取的主要手段之一。

Anthropic入局个人智能体：Claude Duet

Anthropic本周推出了主动型智能体Claude Duet，正式进入个人智能体赛道。与以往需要用户主动发起指令的AI不同，Claude Duet在获得授权后，会定期查看已连接的应用，发现重要邮件或待办事项时主动提醒用户。

该智能体拥有自己的云端电脑，即使你关闭了设备，它也能继续处理任务。不过，对于发消息、付款等重要操作，仍然需要用户确认。这种设计在提升自动化效率的同时，保留了关键环节的人类控制权，是当前智能体产品在信任机制上的常见折中方案。

从行业趋势看，个人智能体正从“被动响应”向“主动服务”演进。Claude Duet的推出意味着Anthropic不再局限于模型API供应，而是开始向应用层延伸，与已有的智能体产品形成直接竞争。

智能体的“主动”与工具调用：所谓主动型智能体，指的是在用户预设授权与触发条件下，能够自行发起检查、判断并执行动作的系统，其技术基础是**工具调用（tool use / function calling）**与任务规划能力：模型通过调用邮件、日历、待办等应用接口读取状态，再依据规则决定是否提醒或代办。主动性的提升也带来新的风险面——错误判断可能触发多余操作、权限范围过宽可能造成隐私暴露、长期后台运行则涉及凭证与数据存储安全。因此“重要操作需用户确认”并非简单的产品妥协，而是把不可逆或高后果的动作留在人类审批环节，属于当前智能体设计中被广泛采用的权限分级思路。

国内政策：AI与就业的平衡之道

国务院办公厅本周出台了AI与就业相关的重要文件，提出了6个方面、18项任务，特别提及AI对就业的影响。

文件的双重基调值得注意：一方面强调利用AI创造新机会，另一方面明确要减缓AI对文书助理、初级会计、制造业流水线等岗位的替代冲击。文件提出需要推动技术进步与就业民生相协调，减少岗位替代冲击，并加强技能培训。

这一政策信号表明，监管层对AI的就业影响已有清晰认知，并试图通过政策工具进行前置干预。对于企业而言，这意味着在推进AI自动化的同时，需要更重视员工技能转型与岗位再设计；对于从业者，技能培训与跨领域能力建设的重要性进一步凸显。

AI 就业影响的“任务替代”视角：经济学界在评估AI对就业的冲击时，通常区分“岗位替代”与“任务替代”。一项工作往往由多种任务组成，AI更可能先替代其中标准化、可重复的部分任务（如文书整理、初级核算、流水线重复操作），再由人类承担判断、沟通与异常处理等环节。这解释了文件为何点名文书助理、初级会计、制造业流水线等岗位——它们属于任务结构中以规则化任务为主的类型。相应的政策工具也围绕任务层面展开：技能培训帮助劳动者转向不易被替代的任务，岗位再设计则重新划分人机分工，而非简单以“岗位是否消失”作为判断标准。

本周观察

三件事分别对应了AI发展的三个维度：模型能力（Kimi K3.1 Pro）、产品形态（Claude Duet）与政策环境（就业文件）。国产开源模型在编程任务上逼近国际顶尖水平，说明开源社区的追赶速度在加快；智能体产品从被动工具转向主动服务，交互范式正在迁移；而就业政策的出台，则提醒我们技术落地的社会成本需要被纳入考量。三者叠加，构成了当前AI行业既竞争激烈又需谨慎平衡的真实图景。