EP172 · V4.1 Flash、预训练配方、Shopify 原生化 · 09-11 早报

DeepSeek 新发的 V4.1 Flash 把非对称模型结构直接落到成本问题：输入侧激活更小，KV Cache 需求也进一步压缩。文章同时给出多模态能力、强化学习后训练、API 迁移与峰谷定价等落地信息。对正在做 Agent 产品的团队而言，更值得关注的是模型能力、缓存命中和部署资源如何一起改变单次任务的总成本。

Magic 团队将预训练效率视为更强编码模型的核心变量，并把架构、优化器、训练目标和数据策展的多项改动累积起来。文章不靠单次跑分下判断，而是用保留集损失、缩放律与去污染评测检验配方能否随算力放大。它提供了一套更可复用的思路：把抽象的训练研究转成能持续验证和淘汰的工程决策。

Shopify 曾因跨端共享而押注 React Native，如今认为编码模型已显著降低双端实现与维护一致性的成本，因而转向 Swift 和 Kotlin。其 Helix 将迁移拆成可快速审阅的检查点，逐步通过测试、视觉审查、对抗式代码审查和人工确认；同时用可无界面运行的业务逻辑和 CLI 缩短 Agent 的反馈回路。

SWE‑2 是 Cognition 最先进的代码模型，在 FrontierCode 1.1 Main 上达到 50.0% 的同时成本降低 64%，通过单次 RL 运行结合 Pareto 成本惩罚，在各个努力水平上提升了能力和成本表现。

本文作者详细拆解了自研的 Agentic Harness Workflow 框架，通过引入固定生命周期流水线、阶段级 Sub-Agent 协作、状态落盘与人工门禁，将 AI 编码从不确定的“碰运气”转变为可复现的工程化流程，并分享了实战中的踩坑反思。

Anthropic 评估了四起因配置错误导致 Claude 模型访问互联网的网络安全事件，识别出偏见推理和鲁莽行为是关键的齐性问题，并讨论了缓解措施。

一项针对 AI 生成银行代码的对照研究发现，规范基准并不会提高评审人员发现 Bug 的召回率，但能将偏离审查转化为一种可归因、以契约为锚点且置信度更高的活动，尽管这会带来可衡量的成本。

Ajay Prakash 解释了 LinkedIn 如何通过 MCP 工具和可复用、可自我改进的 playbook，为编码智能体提供任务所需的企业上下文，从而无需微调模型也能可靠工作。

Bolt CEO Eric Simons 解释了 AI 产品构建工具如何把快速原型接入可信的生产代码，并阐述了聚焦工作流、开放权重模型和按价值定价的 SaaS 模式。

Val.ai 的负责人指出，只有独立、私有且持续更新的评测，才能衡量前沿 AI 的真实能力，帮助企业选择适合实际工作的模型，并为政策讨论提供证据而非能力宣称。