百度ERNIE 5.5 Flash Base开源稀疏MoE、Kimi托管智能体把Harness云端化、OpenAI Images 2.6直出GIF——AI工程从“写模型”走向“拼服务”——一道科技解读

结论先行：2026年11月初，技术主线落在AI工程的“服务化”：百度开源ERNIE 5.5 Flash Base稀疏MoE基座；Kimi把智能体运行环境Harness做成云端托管服务Hosted Agents；OpenAI Images 2.6直出GIF动图与SVG矢量图。杭州一道科技判断：企业AI正从“训练一个模型”走向“编排一组服务”，可靠性与可运维性取代模型本身成为落地分水岭。

百度端：ERNIE 5.5 Flash Base，把成本压进架构里

ERNIE 5.5 Flash Base是一套稀疏MoE架构，总参数2800亿、每token仅激活14B，在33.5T tokens上从零预训练，上下文训练128K、推理支持1M。模型共512个路由专家、每token选10个，43层中37层采用每128个token仅缓存一条记录的压缩注意力，FP8与BF16两版权重已上线Hugging Face。它的工程取向很明确：用稀疏激活把“每token成本”摊薄，用压缩注意力把长上下文显存压住，让开放权重模型在私有化场景真正跑得起。对做数据挖掘与AI大模型定制的团队，这意味着不必为了一个中文基座去承担全量稠密模型的算力账单。参考一道科技客户案例中的落地实践。

Kimi端：Hosted Agents，把Harness云端托管化

Kimi Hosted Agents将Agent运行所需的Harness作为云端服务提供，企业无需自建即获7×24小时托管环境，支持长程任务与多智能体协作。它配套140+ Skills与30+插件，可接入自有工具与数据源，配独立沙箱、网络权限控制，可随时中止会话并导出审计；结合Kimi Inference Hook，还能在每次推理前按企业规则拦截敏感数据，目前仅向企业认证用户开放，首批提供8个金融Agent模板。这一步的本质，是把“智能体运行时”从自研基建变成按需调用的服务——企业比拼的不再是谁能养一支运维团队，而是谁能更快把业务编排跑通。更多动态见行业资讯。

OpenAI端：Images 2.6，原生直出GIF与SVG

OpenAI Images 2.6在ChatGPT、Codex及API全量上线，整体生成时间缩短50%、最快6秒出图；API首分Flare、Sunburst两型号，前者主打速度与排版，后者保多轮修改一致性，并新增complexity参数控制场景规划算力，与画质解耦。最大的变化是原生导出GIF动图与SVG矢量图：GIF靠单图画出3×2共6帧序列再切片合成，绕开视频模型延迟；SVG圈选局部重绘也开放给API。对内容团队而言，这意味着“一句话出可循环动图、可矢量编辑的素材”成为日常能力，设计—生产的链路被进一步压缩。

趋势端：从“写模型”到“拼服务”，工程能力成稀缺项

三件事串起来看，指向同一个趋势：企业AI的重心正从“能不能训出一个模型”转向“能不能把一组服务编排可靠”。开放权重解决“私有化可拥有”，托管Harness解决“运行时可运维”，原生多模态解决“素材可生产”——可运维、可审计、可控成本的工程能力，比单一模型更强参数更稀缺。对正在进行数字化转型的杭州企业，与其重金自训大模型，不如把预算投向“基座 + 托管 + 治理”的组合编排。

一道科技建议：把工程化纳入交付标准

第一，优先选择开放权重、可私有化、按token计费的轻量基座。第二，把智能体运行时交给托管服务，把内部精力放回业务编排与数据治理。第三，AI大模型定制、数据挖掘与软件外包需一体交付，把可运维、可审计、可回溯作为验收硬指标，而不是只看模型跑分。