360图龙锋以99.4%成功率登顶CyberGym刷新世界纪录、商汤开源9B参数的Loop-9B-Preview以循环计算媲美27B、记忆张量MemT 1.0开源10天下载破10万——安全攻防、循环计算与记忆架构三条技术主线同时提速——一道科技解读

结论先行：2026年10月30日前后，模型技术的头条不约而同落在"可验证"上：360自研AI安全攻防系统图龙锋以99.4%的漏洞复现成功率登顶CyberGym并刷新世界纪录；商汤开源9B参数的SenseNova Loop-9B-Preview，以循环计算在评测中媲美27B模型；记忆张量MemT 1.0开源10天下载破10万次。杭州一道科技的判断是：安全能力、计算深度与记忆效率，正在取代参数规模成为模型选型的新三维。

安全面：图龙锋99.4%成功率背后的智能体蜂群

AI安全本周有了新的量化标杆。国际权威AI安全基准CyberGym更新榜单，360集团自研的AI安全攻防系统图龙锋以99.4%的漏洞复现成功率登顶并刷新世界纪录，三轮独立评测成功率分别为99.27%、99.47%、99.40%，同榜竞技者包括OpenAI、Anthropic、Google等全球头部厂商的模型与智能体。CyberGym覆盖1507个真实漏洞、188个开源软件项目；图龙锋采用"安全领域大模型+专业智能体蜂群"路线，把漏洞挖掘拆分为多环节协同推进，目前已累计发现超1.5万个安全漏洞，接入企业超500家，覆盖金融、能源、政务、制造等行业。这意味着安全攻防正在从"单模型问答"演进为"多智能体分工"，与业务智能体的工程范式趋同。更多动态见行业资讯。

算力面：9B参数如何跑出27B的等效深度

小模型的效率竞赛本周出现新思路。商汤科技开源日日新SenseNova Loop-9B-Preview，采用Looped Transformer架构，把中间24层共享权重模块执行两次，以32组独立层权重实现56层等效执行深度，并引入双流mHC（流形约束超连接）增强特征交互；模型总参数约9B、训练上下文最长256K，原生支持文本与图像多模态输入及工具调用，在Work Buddy Bench等评测中超过Qwen3.5-27B。循环计算的价值在于：不增加显存占用就能换更深的信息交互，这对端侧与边缘部署格外友好。同一时期，有开发者在Qwen3.5-4B基础上做出Qwenputer，让模型在自身网络内模拟32位RISC-V CPU与内存执行程序，无需调用Python等外部工具。模型正在从"回答问题"变成"运行程序"。参考一道科技客户案例中的落地实践。

记忆面：MemT把记忆内化为计算的一部分

长上下文的另一条解法是重构记忆本身。记忆张量（MemTensor）的记忆原生模型MemT 1.0自10月20日上线Hugging Face与GitHub以来，累计下载量突破10万次、日均下载超1万次；其包含MemT-1.0-Flash（288B总参、17B激活）与MemT-1.0-Nano（36B总参、3B激活）两个版本，核心是把记忆内化为模型计算的一部分，动态记忆状态体积固定、不随上下文增长，在128K历史长度下存储较全上下文KV缓存减少约66倍。在11项系统记忆基准中，Flash与Nano均分分别为50.6和47.0，领先参数化记忆基线12.5分和8.9分。对需要长期记忆会员偏好、设备台账与工艺参数的工业场景，这类架构直接对应"记忆成本随规模膨胀"的老问题。

一道科技建议：按可验证性重新排序选型清单

第一，把安全基准纳入技术尽调，图龙锋登顶CyberGym说明攻防能力已可量化，涉密与关键业务场景应要求供应商提供同类基准数据。第二，用循环计算架构做端侧降本，Loop-9B-Preview一类的模型让边缘设备获得接近大参数模型的有效深度，适合质检、巡检等车间场景。第三，关注记忆原生架构的落地条件，MemT 1.0一类模型适合长周期任务，但需在自有业务数据上验证记忆召回率。AI大模型定制、数据挖掘与软件外包需一体交付，让技术红利建立在可验证的底座上。