OpenCode 送百元 DeepSeek 额度：订阅套利与安全警报齐飞

一次「以小博大」的订阅设计

AI 日报中最抓眼球的条目，是 OpenCode 给 Go 订阅用户每月提供 DeepSeek^广告 V4.1 Flash 额度。据 B 站 AI 日报节目介绍，Go 订阅本身月费很低，而附赠的额度规模远超订阅本身，相当于用很小的月费撬动大得多的用量。

天下没有免费额度。这一赠送附带两道限制：每 5 小时只能用掉月度额度的一部分，每周再设一道上限，且计价分为高低峰——非高峰时段的每百万 Token 输入、输出价格明显更低，高峰时段翻倍。节目估算，按此额度一个月能跑约 21 万次请求。

另一个值得关注的承诺是：该模型不用于训练，也不留存数据。对把代码和内部文档交给模型处理的开发者来说，这一条比额度数字更重要。

套利背后是算力调度

这种「低价订阅 + 大额赠送 + 时段限流」的组合，本质是把闲时算力打包卖给价格敏感的用户。非高峰便宜、高峰翻倍的计价方式，等于用价格杠杆把请求往低负载时段引导。开发者若能把批处理任务挪到非高峰，实际可用量会比名义额度更划算。

所谓「算力调度」，指的是云服务商根据负载高低动态分配计算资源。GPU/TPU 集群在非高峰时段的利用率往往远低于高峰，闲置算力若不卖出便直接沉没。分时计价（peak/off-peak pricing）是电力、通信等基础设施行业的成熟做法：用价格信号削峰填谷，把可延迟的负载引导到低负载时段，从而在不增加硬件的前提下提升整体利用率。对订阅制 AI 产品而言，这也是在「名义额度」与「实际可用量」之间制造差异的手段——用户越是愿意把批处理任务排到闲时，平台付出的边际成本越低。

扩展市场被投毒：只卸载还不够

同一期日报披露了一起 VS Code 扩展市场安全事件（报道中亦以 Cursor 相关表述提及）：市场里出现了被篡改的 Claude Code 扩展版本，恶意版本并非原开发者发布，最多影响约 5000 名用户。

恶意版本会收集主机名、用户名、系统架构和公网 IP，还会往授权文件里塞入攻击者的邮箱，尝试建立反向隧道做长期后门。平台当天下午下架了整个扩展市场，并联合云厂商关停攻击服务器。

节目特别提醒：只卸载扩展不够，还得手动清理持久化脚本。这是供应链攻击的典型特征——入口被堵住后，落地在系统里的持久化机制仍可能存活。对企业开发者而言，扩展来源审核、版本锁定和终端检测，缺一不可。

供应链攻击（supply chain attack）指攻击者不直接攻击目标，而是入侵目标所信任的上游环节——这里是扩展市场中的发行方账号或扩展包本身。开发者安装扩展时默认信任其来源，因此一旦上游被污染，恶意代码会以「正规更新」的形式进入大量终端。持久化（persistence）是攻击链的收尾环节：攻击者通过写入计划任务、启动项、授权文件（如 SSH 的 authorized_keys）等机制，使得即便卸载入口程序，后门仍能在重启后复活。防御上对应的做法是来源与签名验证、锁定扩展版本避免自动升级到被污染的版本，以及用 EDR 类终端检测发现异常外联与反向隧道。

模型自主攻击浏览器：补丁窗口期的危险

Epoch AI 做了一组实验，让开源权重模型自己去打浏览器。结果它盯上了补丁窗口期：Mozilla 已把 Firefox 的安全补丁合并进代码，但还没推送给用户，模型据此自主构建网页攻击，用户只要访问页面就能被读取本机文件。

据节目介绍，实验期间发布的多个 Firefox 版本全部被攻破，攻破单个版本的成本约 1000 美元。但同样的方法换一个目标，花了大得多的代价也没成功。这说明模型自主漏洞利用的能力有边界，也说明「补丁已合并、尚未推送」这段时间是真实的攻击面。

攻防节奏被压缩

过去从补丁合并到用户更新之间的窗口，靠人工分析利用，速度有限。模型介入后，窗口期的利用成本被压到千美元量级。对浏览器厂商和安全团队来说，这意味着补丁发布流程本身需要重新设计——能否缩短推送间隔，能否对高危补丁做强制更新。

「补丁窗口期」也称补丁空窗，指漏洞修复代码已合并进主干、但尚未随正式版本推送给用户的这段时间。此时补丁本身是公开的，攻击者可以通过对比代码差异反推出漏洞位置与触发方式，即所谓的「补丁diffing」。传统上这段窗口的利用依赖安全研究员的人工分析，速度受限于人的精力；而具备代码阅读与工具调用能力的模型可以把「读 diff—构造 PoC—生成攻击页面」串成自动化流程，把单位漏洞的利用成本压到千美元量级，等于缩短了防守方的反应时间。这也是厂商推动静默强制更新、缩短发布周期的直接动因。

商汤开源小参数多模态模型

商汤宣布开源多模态模型 Sensnola Lube（节目口播名），只有 90 亿参数，训练序列最长 26 万 Token，可以接收文本和图像再生成文本。

关键在架构：它用类似循环复用的方式，部分解码器参数被反复利用，把有效计算深度堆上去。商汤称它在多项评测中超过更大参数量的模型，90 亿参数达到 270 亿参数级别的水平，并已接近自家客户端产品。

小参数模型的价值在于端侧和成本。若 90 亿参数真能逼近数十亿级大模型的水平，本地部署和推理成本的门槛会明显下降。不过评测成绩与实际体验之间常有落差，架构创新能否在真实任务中兑现，还需观察第三方复现。

「参数循环复用」属于一类以计算深度换参数规模的架构思路：传统 Transformer 每一层有独立参数，层数增加意味着参数量和显存同步增长；而循环/复用结构让同一组解码器参数被多次调用，等效于加深了网络的有效深度，却不按比例增加参数。这与 Universal Transformer、循环深度（recurrent depth）等研究一脉相承，代价是推理时的串行步数增多、训练时梯度需要跨多次复用回传。这类设计的意义在于：模型体积小、显存占用低，更适合端侧或低成本部署，但「以小搏大」的评测结论通常依赖特定基准，需第三方复现验证。

订阅命名调整与配额变化

另一家厂商调整了个人订阅命名：原来的高端档位改名，价格不变。实在的变化是通过验证的高端账户逐步取消 5 小时用量限制，只保留每周总量约束，周额度仍是此前的 10 倍。验证由系统根据账户和支付历史自动完成，用户不用申请。未验证账户仍有临时限制。

这反映出一个趋势：订阅分层正从「按时段限流」转向「按身份分级」。验证用户获得更平滑的体验，未验证用户承担更多约束，平台借此控制滥用风险。

太空里的 TPU 与分布式计算

Google 宣布其原型卫星上的 TPU 成功回传了第一个 AI 回复。这颗卫星搭载 4 颗自研 TPU，最高 1000 瓦电力。地面工程师上行发送提示词，要求预装模型写一首关于身处太空的诗，卫星飞过挪威斯瓦尔巴上空时把结果传了回来。

受供电和散热限制，TPU 一次只能连续工作约 20 分钟。Google 计划后续再发射两颗卫星，测试跨卫星分布式计算。把算力放到轨道上，短期看是实验，长期看是在探索不受地面电网和土地约束的算力部署方式。

企业级私有智能与端侧落地

OpenAI 推出面向商业客户的私有智能方案，专门处理敏感数据。它不是单一产品，而是四层打包：严格限制厂商自身对业务内容的访问；不合条件的工作流可用零数据留存；客户拥有输入和输出的所有权；企业能规定 agent 可以访问什么、执行哪些动作、何时必须人工审批，再加加密访问控制和威胁检测。其中一项为预览版，用机密计算做硬件隔离。

苹果则宣布首批 Apple 智能功能将在中国推出，现有的 Siri、写作工具和视觉智能会接入阿里巴巴的通义千问^广告。据节目介绍，11 月 4 日起随 iOS 开发者 Beta 版开放测试，12 月随正式版上线，首批功能包括实时翻译、照片消除和写作工具，支持 iPhone 16 及后续机型、iPhone 15 Pro 系列和 iPhone Air。阿里同步公告，用户可以自主选择是否开通。这次更新不含下一代 Siri AI。

资本开支狂飙，情绪出现拐点

这轮 AI 投资可能出现了第一个情绪拐点。几家超大规模厂商今年计划的资本开支合计超过 7400 亿美元，但投资者态度从奖励大额投入，转向担心自由现金流、债务攀升和回报不确定，相关股票随之下跌。

亚马逊 CEO 仍在加码，称 AWS 在 5 到 10 年内能做成万亿美元营收的业务，并给出后续几年现金资本开支的庞大数字。一边是厂商的长期叙事，一边是市场的短期耐心，这个分歧将决定下一阶段 AI 基础设施投入的节奏。

对开发者和创业者来说，这意味着算力供应短期仍充足，但融资环境和估值逻辑可能收紧。把产品建立在真实需求而非补贴之上，比任何时候都重要。