跳到正文

#数据安全

今日 5 条
7月21日周二
  1. Google DeepMind:Blog76

    Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与安全模型 3.5 Flash Cyber

    Google DeepMind 发布 Gemini 3.6 Flash 和 3.5 Flash-Lite,主打智能体场景的 token 效率与低延迟,即日起经 Gemini API、Gemini Enterprise 和 Gemini app 提供。

    决策要点

    Google 此轮把 Flash 系列的竞争点放在单位任务成本上,用 token 效率和更低定价争夺规模化智能体负载。

    • 影响跑批量智能体和文档处理的企业可重算模型成本账本,输出 token 用量与单价同时下降会改变单任务成本结构;Flash Cyber 只对政府和可信伙伴有限开放,一般企业暂无法获得;旗舰 3.5 Pro 尚未上线,升级窗口还没到。
    • 参考可考虑把现有智能体工作流在 3.6 Flash 和 3.5 Flash-Lite 上各跑一轮对比,记录 token 消耗、延迟与任务成功率再定切换;高吞吐场景值得先按 350 output tokens/s 和 $2.5/1M 输出价测算单条任务成本。
5月25日周一
  1. Anthropic:Engineering72

    How we contain Claude across products

    Anthropic 发文讲解如何为 claude.ai、Claude Code 与 Claude Cowork 三款产品构建智能体安全隔离,主张环境层硬边界优先于模型层行为约束。

    决策要点

    智能体安全的主战场正从约束模型行为转向环境层硬隔离,人工审批这道防线在规模化使用下会迅速失效。

    • 影响企业部署智能体的风险上限取决于授予的权限边界而非模型表现;自研代理与集成层是复盘中反复出事的环节;强隔离会同时挡住 EDR 等宿主监控,合规可见性需提前规划。
    • 参考可考虑先统计自家智能体的权限批准率,判断人工监督是否已失效;按使用者技术能力匹配隔离强度,非技术岗位配只读挂载加默认断网方案;值得把出口域名白名单当作能力授予清单逐项复核。
4月8日周三
  1. Anthropic:Engineering49

    Scaling Managed Agents: Decoupling the brain from the hands

    Anthropic 在工程博客详解其 Claude 平台托管服务 Managed Agents,把智能体拆成大脑(Claude 与调度框架 harness)、双手(沙箱与工具)和会话日志三个低耦合接口,各自可独立故障或替换。

    决策要点

    Anthropic 按操作系统虚拟化的思路重做智能体基础设施,押注接口稳定、实现随模型能力更替。

    • 影响企业接入自有 VPC 不再必须与 Anthropic 打通网络;官方数据下托管长任务智能体的启动等待下降;凭证隔离降低了提示词注入窃取令牌的风险。
    • 参考选型托管智能体服务时,可把凭证是否离开沙箱、TTFT 延迟列入对比清单;自建 harness 的团队值得盘点其中绑定旧模型行为的假设。
3月25日周三
  1. Anthropic:Engineering71

    How we built Claude Code auto mode: a safer way to skip permissions

    Anthropic 为 Claude Code 推出 auto mode,把逐条权限审批交给基于模型的分类器,在人工确认与 --dangerously-skip-permissions 全跳过之间提供中间方案。

    决策要点

    把审批权交给分类器是让智能体长时间自主运行可用的务实折中,但 17% 的漏放率说明它替代的是无人值守,不是高风险操作的人工把关。

    • 影响长任务的重复审批成本可明显下降,适合低风险环境先行;官方公布的 17% 漏放率意味着生产与共享基础设施仍应保留人工审批;可信边界默认只信任当前 git 仓库,企业需按自身环境补齐配置。
    • 参考可考虑在非生产环境选长任务场景试点 auto mode,先在 environment 槽位写清可信域名、云存储与代码组织;值得对比开启前后的审批耗时与拦截记录,高危生产操作保留强制人工规则。
3月16日周一
  1. 智谱 Z.ai:研究59

    智谱发布GLM-5-Turbo 面向OpenClaw龙虾场景优化的基座模型

    智谱于2026年3月15日发布基座模型GLM-5-Turbo,针对OpenClaw龙虾Agent场景强化工具调用、指令遵循、定时任务与长链路执行能力。官方称其在自研基准ZClawBench取得国产第一,用户盲测中90%受访者认为表现优于其他国产模型;阿里、字节、美团、快手等团队在内测中给出正面评价。

    决策要点

    智谱把Agent长链路执行能力前移到基座模型训练阶段,再用套餐定价与安全管控把模型按AI员工的方式打包出售。

    • 影响Agent任务tokens消耗远超普通对话,模型选型需把执行稳定性与tokens成本一起核算;企业引入多Agent协同需同步建权限、审计与人工审批机制;国产模型竞争焦点正向Agent执行层集中。
    • 参考可考虑用已公开的ZClawBench题库验证模型在自身场景的表现;先测算典型Agent任务的tokens消耗再选套餐档位;自动化流程上线前值得明确人工审批节点。
12月9日周二
  1. 智谱 Z.ai:研究61

    智谱开源手机智能体 AutoGLM,核心模型与工具链一并开放

    智谱宣布开源手机智能体 AutoGLM,训练好的核心模型以 MIT 许可证开放,代码以 Apache-2.0 托管在 GitHub(github.com/zai-org/Open-AutoGLM)。

    决策要点

    智谱把手机操作智能体的模型权重与工具链完整开源,Phone Use 能力从少数厂商的私有能力转向行业可共同打磨的公共底座。

    • 影响企业可借私有化部署让数据和日志留在自身合规环境;销售、客服等重复触屏操作有了可自托管的智能体选项;同业可基于同一开源底座二次开发,自研门槛随之下降。
    • 参考可考虑盘点内部仍依赖人工在 App 里重复点击的流程,挑一个低风险场景用开源模型加私有化部署做试点;值得先确认 MIT 与 Apache-2.0 条款对商用改造的要求。
11月4日周二
  1. Anthropic:Engineering51

    Code execution with MCP: Building more efficient agents

    Anthropic 工程团队提出让 Agent 以编写代码的方式调用 MCP 服务器,替代逐次工具调用,从而减少 token 消耗和延迟。官方示例中,把工具定义做成文件树按需加载后,token 用量从 150,000 降到 2,000,节省 98.7%(官方口径);该方法还支持敏感数据脱敏后不进入模型上下文、中间结果落盘复用,但需要沙箱、资源限制等执行环境,带来额外运维成本。

    决策要点

    把 MCP 工具调用从逐次经过模型改为在代码环境中执行,本质是用成熟的软件工程方法解决 Agent 的上下文膨胀与 token 成本问题

    • 影响已接入大量 MCP 工具的 Agent 项目可压缩 token 账单和响应延迟;敏感数据可在模型上下文之外流转,为合规处理提供新选项;沙箱和监控等基础设施会带来额外投入
    • 参考可考虑先统计现有 Agent 中工具定义和中间结果各占多少 token,估算改造空间;值得选一个工具多、数据量大的流程试点文件树式加载;改造前先确定沙箱、资源限制与监控方案的成本
10月20日周一
  1. Anthropic:Engineering65

    Beyond permission prompts: making Claude Code more secure and autonomous

    Anthropic 为 Claude Code 推出两项基于沙箱的新功能,沙箱 bash 工具以研究预览形式提供并已开源,Claude Code on the web 让会话在云端隔离沙箱中运行。

    决策要点

    Claude Code 把安全模型从逐条审批转向系统级沙箱边界,用隔离换更少弹窗和更高的智能体自主度。

    • 影响使用编码智能体的开发团队审批打断会减少,开发节奏与安全可同时改善;沙箱运行时开源后,自建智能体的企业可直接复用这套隔离方案;接入前需重新梳理允许访问的目录与网络域名清单。
    • 参考可考虑在 Claude Code 中运行 /sandbox 试点一个低风险仓库并记录弹窗变化;自建智能体的团队值得评估其开源沙箱代码能否复用;网页版可先在不含敏感凭证的项目上试用。
10月16日周四
  1. Josh Bersin52

    Viven.ai 发布数字孪生产品,Josh Bersin 公司全员使用六个月

    Viven.ai 发布数字孪生产品,把员工的邮件、会议、消息与文档汇成可提问的数字分身,Josh Bersin 的公司已全员使用六个月。作者称可向同事的分身查询工作安排、客户往来与专业意见,其 45 人以上的公司每天有 10 到 20 场客户、伙伴与媒体互动可借此同步,他称之为集体智能。他也提出离职员工的数字孪生信息归属没有明确法律答案,个人隐私需靠平台安全配置排除。

    决策要点

    数字孪生从工程仿真走向知识型员工,个人多年工作积累变成组织内可直接查询的共享基础设施。

    • 影响专家经验变成全员可随时查询的资源,减少打扰与会议协调成本;接入全员工作数据需要先解决隐私标记与权限配置,员工离职后分身信息的归属风险由雇主承担。
    • 参考可考虑先在客服或技术支持这类依赖少数资深专家的场景试点;上线前值得先定好个人数据排除规则、分身查询权限,并在合同或制度里写清离职员工数字孪生信息的归属。