2026 年 10 月 7 日的微软发布会把三件事捆成了一个包：137B 参数的编码模型宣布可以下载到本地运行，GitHub 的多模型路由器 HydraFusion 把本地模型纳入调度，Agent 执行沙箱 MXC 宣布正式 GA。官方给这套组合起的名字是 hybrid intelligence。
端侧模型讲了两年，这次的差别在量级：端上去的不是 7B 级别的补全玩具，而是能在部分编码任务上对标云端旗舰的 MoE 模型。但决定它能不能真正用起来的，是两个不那么性感的问题——内存账单怎么算，放出去的 Agent 谁来管。
量化与投机解码：53GB 的两根杠杆
模型本体是 Mixture-of-Experts 结构：总参数 137B，每个 token 激活 6.8B，上下文窗口 256K。端侧版本靠两个手段瘦身——量化把权重位宽压到约 3.3 bit/weight，静态体积降到 53GB 上下，只有 bfloat16 云端版的两成；投机解码 DFlash2 让小草稿模型成块提议 token、目标模型校验，压的是端到端延迟。运行时落在 Windows ARM64 的 llama.cpp CUDA 栈上，Windows ML 也开始兼容 llama.cpp。
实测数字（厂商自测口径，无独立复现，看的时候自带滤镜）：Surface Laptop Ultra 的 RTX Spark 顶配 128GB 统一内存，256K 满载峰值 75.5GB；64K 上下文 prompt 吞吐 923.5 token/s，128K 下降到 769.8。微软给的「最佳性能」建议是 120GB 以上内存——推荐值，不是硬门槛。
基准对比里藏着两个提醒。SWE-bench Verified 云端 72.6% 对端侧量化 70.8%，1.8 个百分点的差距看着小，但代码任务对量化最敏感——自然语言错个词还能读，代码错一个 token 就是语法错误、坏 diff 或无效 tool call，放到自己仓库的 agent 流程里稳不稳定，目前没有公开独立数据。Terminal-Bench 2.1 上量化版反而更高（66.29% 对 62.9%），大概率是评测噪声或采样设置差异，别当成「量化提质」的证据。
路由层：本地模型是被分配进去的
HydraFusion（9 月研究预览，10 月扩展到 Windows 本地模型）做的不是「选一个模型」，而是给每个请求生成执行计划：按推理、代码生成、调试、工具调用四类信号打分，然后在 Single（单模型做完）、Cascade（便宜模型起草、质检不过升级）、Critique（一个起草、另一个无工具的评论者只读评审）三种模式里挑。
对照基线 Claude Opus 5 的成绩：TerminalBench 2.1 成本降 67%、质量还高 4.9 个百分点；DeepSWE 成本降 36%、质量低 1.5 个点。GitHub 社区讨论里有开发者的真实反馈——质量不比全程 Opus 5 差太多，额度消耗只有平时一成，但看不到实现阶段实际用了哪个模型，AIC 计数和 CLI 计数对不上。路由类方案最要命的就是这种信任缺口：它替你做了决定，你必须能看见。
两条防半成品的工程约束值得单独记：评论者跑在无工具上下文里，物理上不能改仓库；工作流取消或校验失败时不落任何补丁。Cascade 还有个隐藏账单——升级途中被打断，代码不落盘，已消耗的 token 照付。
治理层：MXC 把权限写进操作系统
发布会现场演示的场景足够扎心：一个恶意 GitHub 仓库诱导编码助手执行命令，开出 reverse shell。MXC（Microsoft Execution Containers）是对此的正面回答，10 月 7 日 GA（Windows 11 商业客户），定位是策略驱动的执行层。设计上最关键的一条：策略存在于 agent 工作负载之外，agent 或它生成的代码没有权限给自己加权限。
后端按隔离强度分四档：Process container 三平台可用（分别基于 AppContainer、Seatbelt、Bubblewrap）；Session container 仅 Win11，用独立 Windows 账户隔离桌面、剪贴板和输入；WSL container 服务 Linux 工具链；MicroVM 硬件级强隔离但还是实验性。策略面覆盖 containment、进程、文件系统、网络、UI 五块——编码 agent 可以读写自己的仓库、调用 git，但摸不到用户 Documents，进出站网络也能整体禁掉。
三种运行模式别混用：Enforcement 越界即拦，生产唯一选项；Learning 照样拦但把被拒操作写进 JSON 报告，是补权限清单的工具；Permissive 只记录不拦截，仅限调试策略本身。建议节奏是 Learning 先跑一两周攒权限画像，再切 Enforcement——企业 IT 团队现在就该动手，别等 Intune 集中管控 GA。策略文件按「需要什么」写而不是「禁止什么」，默认拒绝永远是更安全的姿势：
{
"containment": "process",
"filesystem": {
"readwrite": ["~/work/my-repo"],
"deny": ["~/Documents", "~/.ssh"]
},
"network": { "outbound": false, "loopback": true },
"ui": { "desktop": false }
}上手验证与真金白银
本地环境起没起来，两条命令确认：curl http://localhost:<port>/v1/models 返回模型列表才算就绪；nvidia-smi 核对显存水位——权重 53GB 不等于占用 53GB，长上下文的 KV cache 才是峰值大头，256K 满载 75.5GB 这个数要留足余量。
成本换算别只盯着「零推理费」。本地推理把云端的按次付费换成硬件投入加电费加维护，划不划算取决于任务频次和机器利用率：全天满负荷跑 agent 的重度用户，回本周期可能短得惊人；一天几条查询的普通用户，$2,599 起步的 Surface Laptop Ultra 纯属浪费。8GB 内存就能起步的 Foundry Local（ONNX Runtime 线）才是大多数人的入口。
还有个容易忽略的事实：本地推理不等于会话离线。远程工具调用、另发的云端请求，都可能把代码和数据送出这台 PC。MXC 的边界是「这台机器上 agent 能碰什么」，不是「数据最终去了哪里」。
收拢一下：这套组合真正适配的只有两类人——128GB 级机器、上下文常驻 64K 以上、对代码隐私敏感的重度 Agent 用户；以及要把「最小权限」从口头约定变成 OS 级强制的企业平台团队。其他人先从 Foundry Local 和策略草案开始。一句话总结这笔交易：省下来的是按次推理费，付出去的是前置硬件与治理成本。
评论0