开放把门槛挪走了，却没有让门槛消失

这份周报把几类方向不同的项目放在一起：StepFun开放Step 5 Preview权重，Perplexity介绍SPACE沙箱，Stack Overflow for Agents接入ChatGPT插件，Itaú则计划把生成式AI纳入银行服务入口。它们处理的不是同一个技术问题，却都碰到同一条工程边界：模型能不能进入真实流程，取决于部署条件、权限控制和结果核验，而不只是模型本身。

因此，这些案例更适合被读作一次“开放之后”的盘点。开放权重让团队可以自行部署，但也把硬件预算和许可证带进决策；开源沙箱提供了可检查的隔离机制，却仍要求合适的主机和持续维护；插件缩短了用户找到产品的路径，却不能替代对留存和业务成效的证明。变化在于接入摩擦下降，落地责任并没有跟着消失。

权重开放，部署账单仍然很具体

Step 5 Preview采用600B参数的稀疏MoE，每个token激活27B参数，并支持1M上下文。稀疏激活和长上下文听起来像是模型能力的参数表，但自托管的硬件要求把问题拉回基础设施：材料称，FP8至少需要4张B300或8张H200，BF16需求还要更高。所谓开放，并不等于大多数团队可以低成本把它放进自己的服务里。

基准分数也不能替代部署判断。材料列出的Terminal-Bench 4.0得分是33.3%，但StepFun使用High推理档，竞品使用Max，设置并非同档比较。许可证也限制部分商业用途。对技术负责人来说，这组信息的实用读法不是“该不该追这个分数”，而是先核算硬件和许可是否匹配目标工作流，再在相同任务、相近推理配置下评估质量、延迟与成本。

沙箱的关键不只在隔离，也在出站控制

SPACE把隔离做在模型外部：它是Apache 2.0许可、用Rust编写的沙箱平台，每项任务运行于独立Firecracker microVM，拥有自己的内核和可写文件系统。凭据不进入guest，所有出站连接由宿主机网关控制。这个设计把“智能体能执行什么”拆成可以在基础设施层执行的规则，而不是寄望模型始终遵守提示词。

更值得工程团队借鉴的是它如何处理策略绕过。红队测试先发现DNS欺骗和共享CDN IP可能绕过部分网络策略，之后Perplexity增加来源地址校验，让网关终止TLS，并同时核对SNI与HTTP Host。材料报告的生产环境创建延迟中位数从185毫秒降至60毫秒，P90从447毫秒降至89毫秒；另有0/108次逃逸测试触及宿主机秘密，但测试覆盖只有9个模型、216次运行、2项任务和4种设置。这是特定条件下的结果，不是安全认证；自托管还要求Linux x86_64、KVM和btrfs，且不支持macOS。

入口变顺，不等于需求已经得到证明

Stack Overflow for Agents把经过审核的组织知识提供给代理：代理找不到答案时，可以起草问题、TIL或可复用设计模式，再由人类审核发布，反馈也用于记录答案适用条件。ChatGPT插件让用户可以在现成入口发现并设置产品，减少了相较传统MCP配置的步骤。这里的产品设计重点不是让代理多说几句，而是让知识进入代理之后仍有审核和复用流程。

但增长数据只够支持“启用摩擦可能下降”，还不能证明产品已形成持续需求。材料称插件接入后注册量隔夜增至3倍，却没有公布绝对注册数和留存；代理创建量最高约10倍则是受访者估计，且与注册量不是同一指标。类似的边界也出现在Itaú：首批约30万客户和年底覆盖全客群，是扩张计划，不是已经实现的普及结果。技术团队应把入口转化、活跃使用和可验证的工作成果分开看，不能用一个增长数字替代整条证据链。

把约束写进流程，才算真正接入

这批案例给技术负责人的实际启示，是把评估单位从“选哪个模型”改成“哪段流程可以被约束和检查”。选开放权重模型时，先核对硬件需求、许可和同条件基准；接入执行环境时，把凭据留在guest外，在网关控制出站，并检查网络策略能否被绕过；引入知识代理或对话入口时，则分别追踪用户是否真正使用、结果是否经过审核、业务目标是否兑现。

这不是说模型能力或开放程度不重要，而是它们不能单独回答生产问题。不同任务对成本、延迟、推理质量和责任边界的要求不同，现有材料也没有提供这些项目之间的同条件比较。可执行的判断是先选一个有明确责任人的窄任务，设定可复现的验证条件和退出标准，再决定是否扩大部署。能接入只是起点，能够审计、验证并承担失败后果，才是进入工作流的门槛。