[鸭哥 AI 手记] 2026-11-08: Kimi 和智谱抄了同一份接口作业

懒人包：Kimi 和智谱这两家竞争对手，前后脚复制了同一家公司的接口作业，连路由名字都不改。昨天鸭哥发了 2 篇 AI 文章，分别在 《Kimi 与智谱同时复刻 Claude，托管智能体的接口战争提前结束了？》 和 《Anthropic 开源大模型验钞机 FlashProve：为什么它能抓死中转站换模型，却管不了官方降智》 里拆了接口标准如何收敛到 Anthropic 四元控制面，以及普通 CPU 花 17 秒验证模型真伪的数学验钞机有哪些本领与盲区。文末另有 2 条行业动态。

都没跟 OpenAI，抄的是同一份 Anthropic 作业

月之暗面 11 月 5 日正式发布 Kimi Hosted Agents（官方公告），由模型提供商替开发者跑运行循环、调用工具和管控沙箱。鸭哥把它的接口手册和智谱的 Z Managed Agents（官方文档）对照了一下，发现二者做了一个相同的选择：都没有追随 OpenAI 的 /v1/responses 路线，而是一字不差地复制了 Anthropic 在 2026 年 4 月 8 日公布的 Claude Managed Agents 协议（官方文档）。四条核心路由 /v1/agents、/v1/environments、/v1/sessions、/v1/sessions/{id}/events 完全同名，容器里的技能也都只读挂载在 /mnt/agents/skills/ 下。

两家国内头部厂商在接口上迅速收敛，是因为生态惯性在作祟：国内大厂以前为了服务 Claude Code 用户，已经在接口上全面兼容了 Anthropic 的 /v1/messages；再加上 OpenAI 的重型协议在公有云上迟迟缺位，开发者和模型端就把 Claude Managed Agents 推成了托管智能体的事实标准。鸭哥在文中判断，托管智能体的控制面已经收敛，开发者用 Agent、Environment、Session、Events 这四元抽象写业务代码，未来在不同模型之间迁移的成本最低。

托管控制面的第一个变化在权限体系。鸭哥在文中用基金对账的例子来解释，为什么需要拆多个子线程。这样做是为了实现严格的信任隔离，而不是因为业务步骤复杂。其中低信任的子智能体只负责解析原始文件，只有 read_file 的权限，没有执行和出网的权限。高信任的主智能体负责核对和调度。还有一个盲审子智能体故意不挂载对账的技能，但系统强制要求它汇报文件的总行数和首尾的证券代码，并且随机抽查至少 20 个主键进行手工验算，以防外部注入污染全局。

这种克制并不只是玄学，Surge AI 在 11 月 4 日公布的评测里就有这样的数据（评测报告）：不改运行循环，只把 GPT-5.4 的推理深度从 medium 调到 xhigh，任务准确率立刻高了 11.3 个百分点；而用复杂的提示词强行拆出 17 个子智能体、多花 4.4 到 9.9 倍 token 的华丽框架，综合得分反而倒退。

托管编排更直接的收益在账单上。鸭哥在文中的财务建模例子里算过一个细账：一个主智能体一口气跑 45 到 90 分钟，调用 60 到 120 轮工具，合计输入大约 1000 万 token。按 0.072 元/小时的云沙箱单价，1.5 小时只花约 0.1 元。

但真正让成本曲线弯下来的，是托管状态把 Prompt Cache 的命中率拉到 95%。缓存命中的前缀价格从 20 元/百万 token 跌到 2 元/百万 token，把每次建模的账单从超过 200 元直接压到 30 到 50 元。

鸭哥在 《Kimi 与智谱同时复刻 Claude，托管智能体的接口战争提前结束了？》 里给出了具体的选型建议：对于简单的问答场景，用单端点续写就够；对于长程托管任务，还是应该使用四元控制面。他今年 4 月写文章分析过各家的接口，预测很难做到接口级兼容；7 个月后的产业生态变化，修正了这项判断。

---

17 秒验真伪，够不着的还是官方降智

接口统一解决了如何调用的问题，另一端的信任危机却随之而来：你花大价钱调用的模型，到底是不是厂商承诺的那一个？在第三方 API 和中转站市场里，偷换模型早就是公开的秘密，开发者怀疑服务商降级模型，往往苦于没法举证（36氪报道）。Anthropic 在 11 月 2 日开源的可证明推理原型 FlashProve（官方研究），试图从数学层面给每条回复开出验钞单。

FlashProve 的工作分为两阶段：离线制作封条和在线抽查收据。服务商在离线环境中花费 39 分钟为模型计算出一个约 6 MB 的权重指纹；在线服务时，每条回复附带一份约 19 MB 的证明文件，用户可在普通 24 核 CPU 上跑 17 秒验证程序进行核验。证明文件将输入提示词、权重指纹与唯一输出绑定，真模型算出的结果即使差一个标点符号，服务商也无法开出指向另一套答案的合法收据，彻底堵死了中转站事后找平替模型补票的漏洞。

单张英伟达 H100 能跑这套系统，主要靠两个工程取舍：一是利用混合专家的稀疏激活特性，让 4000 亿参数的模型在每个 token 上只激活约 170 亿参数，系统只证明激活部分的计算；二是放弃边吐字边生成证明，改在文本生成结束后一次性并行重算，而重算只占总开销的 1% 到 1.5%。相比早先方案 VerInf 动辄 14.3 小时、93.6 GB 文件的开销，FlashProve 把处理能力提到单卡每秒 110 词元、证明文件压到 19 MB 左右，速度与体积的综合优化接近 5000 倍。

但这台数学验钞机的能力有严格限制。首先，因为浮点加法不满足结合律，它只能证明一个整数精度的影子模型，因此容忍细微的精度误差。其次，它只支持贪心解码和 1024 词元的短上下文窗口，无法发现服务商削减隐藏思维链预算或提前截断上下文的行为。第三，权重指纹每 1600 万次请求就要轮换一次，官方可以借助日常小版本迭代发布一组新指纹，从而合法重置整个校验链条。

开启证明的 GPU 算力开销是普通推理的 70 到 95 倍，注定 FlashProve 只能用在事后抽查，没法做成日常对话的实时功能。它真正改变的是商业博弈规则：只要企业客户在采购合同里保留极小比例的事后抽查权，服务商偷换小模型省下的电费，就远不够弥补暴露后的违约成本。

系统用 Claude 翻译成 C++ 代码去审计，看上去是 AI 查 AI，但实际验证靠用户本地验证器 + Lean 形式化验证器兜底，避免翻译错误带来的误判。TechCrunch 把这件事比作密码学邮件签名（TechCrunch 报道），Anthropic 至今没有公布商业化部署计划。鸭哥在 《Anthropic 开源大模型验钞机 FlashProve：为什么它能抓死中转站换模型，却管不了官方降智》 中详细分析了这套数学验钞机的推演和现实落地。

---

也值得知道

Anthropic 回应 Claude Code 凭据泄露研究：安全公司 Apiiro 在 1,994 个公开 GitHub 仓库里发现 2,539 个疑似真的密钥，原因是开发者批准终端命令时，命令连同里面嵌的凭据一起写进了本地配置。Claude Code 负责人 Boris Cherny 回应称，团队正在考虑在 auto mode 里识别敏感命令并加入基本密钥扫描，但还没有正式修复发布。智能体体系的信任边界，需要审计的环节远不止模型输出本身。（Apiiro 报告）

特朗普表态不反对 AI 安全约束：特朗普在接受《60 Minutes》采访时表示 AI 风险可以管理，愿意与民主党就安全保障措施展开合作，但强调相关规定不能削弱美国在对华竞争中的技术优势。此次表态未公布具体的新法案或行政命令。（Reuters 报道）

---

本期由 AI 基于鸭哥已发布文章和公开资料整理生成，请注意甄别幻觉。

订阅本 newsletter：daily.yage.ai