当国内还在卷"谁的模型更强、上下文更长"，海外最聪明的一批人反其道而行——他们正在把信任、知识、算力从"LLM说了算"的概率黑盒里抽出来，做成可签名、可本地化、可审计的确定性基础设施。今天拆三把6月刚上架的海外新刀：一个给agent开"加密收据"、一个给agent建"本地工作台"、一个给agent栈装"廉价小脑"。三条线索指向同一个被忽略的信号——AI的下半场,确定性比参数更值钱。
先说结论。如果你最近三个月只盯GPT-5.6、Claude、GLM谁又刷榜了,你已经掉进信息差的陷阱。把目光从"模型天花板"挪到"模型脚下",你会发现6月海外Product Hunt、HN Show板上密度最高的不是新模型,而是三类地基型工具:
| 维度 | 主流注意力（90%的人在看） | 真实机会（10%的人在抢） |
|---|---|---|
| agent安全 | "加个guardrail prompt" | 每个动作密码学签名+上链 |
| 知识管理 | 把笔记喂给云端LLM | 本地markdown+agent当文件读写 |
| 模型选型 | 全程调frontier大模型 | 中间粗活交给本地小模型 |
这三件事的共同点:它们都在"去LLM化"——把不该让概率模型决定的环节,交给确定性机制。下面三把刀,正是这条主线的三个证据。
Verigate(verigate.cloud),6月28日刚登上HN Show板的新品。一句话:为AI agent提供密码学信任基础设施——agent每执行一个动作,都生成一张Ed25519数字签名的"授权收据",前后收据哈希链相连,最终打包进Merkle树、锚定到Base L2链上。
最关键的设计哲学写得很直白:"Zero LLM in the trust path"(信任路径里没有LLM)。也就是说,审计这件事不靠再调一个模型去"判断",而是靠数学。这跟国内常见的"用AI审计AI"是两条路线。
打开它的官网,你会看到一行醒目的倒计时:EU AI Act enforcement in X days,并直接点名:
Article 14 requires human oversight and audit trails for high-risk AI systems.
这是真实在逼近的法规时间差。欧盟AI法案对高风险AI系统(含人工监督、审计追踪)的义务,2026年8月2日起执行。任何做AI agent、做自动化决策的中国团队,只要产品进欧盟市场,就必须能证明"这个agent当时为什么这么干"。而绝大多数国内agent产品现在的状态是——干了就干了,日志可能删,理由全靠模型自由发挥。
Verigate踩的就是这个时间窗口,它把agent动作映射到六大合规框架:EU AI Act、DORA、HIPAA、SEC 17a-4、NIST AI、OWASP,自动生成审计就绪报告。
| 档位 | 月费 | 收据量 | 关键能力 |
|---|---|---|---|
| Free | $0 | 1,000张/月 | Ed25519签名+哈希链验证,1个agent身份 |
| Pro | $199 | 200,000张/月 | 全部6个合规框架+Merkle锚定+无限agent身份 |
| Scale | $499 | 1,000,000张/月 | Base L2上链锚定+审计包导出 |
$0那一档尤其香:零成本就能给自己跑的agent套上签名链,先用免费档给项目镀一层"可审计"的壳,出海谈合作时这就是现成的合规卖点。
# 1. 注册 verigate.cloud 拿到 agent 身份(Ed25519密钥对)
# 2. agent每次动作经Gateway,自动签发收据
verigate verify --chain
跑出来的输出长这样(官网实测):
--- receipt #1048 ---
action: write:order:cancel
agent: agent:crm-assistant
sig: ed25519:1b7c...f2d3
prev: sha256:7d2b...4a90
chain: VALID (2 receipts, 0 breaks)
适用人群:做agent产品的出海团队、金融/医疗SaaS、需要在客户面前证明"AI没乱来"的B端服务。国内同类几乎空白——这就是时间差。
OpenKnowledge(openknowledge.ai),6月25日HN Show,23 points。定位是:Beautiful, AI-native markdown editor(漂亮、AI原生的markdown编辑器)。说人话——它是Notion/Obsidian的开源替代,但从第一行代码就是为agent设计的。
国内多数人用AI的方式:在Notion/语雀/飞书写笔记 → 复制出来 → 粘到对话框 → AI改完 → 再贴回去。这条链路每次都在泄露隐私、丢失上下文、浪费token。
OpenKnowledge换了个思路:底层就是markdown文件,agent(支持Claude、Cursor、Codex等)通过open-knowledge: write这种工具调用,直接对文件做增删改,并留下时间线:
claude-code · 18 min ago — Add migration runbook section
claude-code · 1 hr ago — Sync standup notes
更妙的细节:编辑器里实时显示token计数(76 words · 385 chars · ~97 tokens)。你在写,它已经算好"这段喂给模型大概烧多少token"——这是写prompt的人最需要、却几乎没有工具提供的能力。
适用人群:重度笔记用户、做RAG/知识库的人、想让agent接管"写文档"这类脏活的独立开发者。它是"AI原生"知识管理这条赛道的早期样本,值得现在上车、占坑、提需求。
JetBrains Mellum2,6月发布、Hugging Face开源、Apache 2.0许可。技术规格很漂亮:12B参数的MoE(混合专家)模型,每个token只激活2.5B参数。
这是6月最被低估的认知差。kingy.ai的原话点破了本质:
Production AI systems need fast small models for intermediate work, not only frontier models for final answers. (生产级AI系统需要快速的小模型干中间活,而不是只用前沿模型给最终答案。)
什么意思?一个agent跑一遍,真正需要GPT-5.6这种天价模型"拍板"的步骤可能只有一两次;但中间的路由分发(routing)、检索增强前的摘要(summarization)、子任务调度(sub-agents)、RAG的初步处理——这些粗活全调大模型就是烧钱。
Mellum2的设计目标正好覆盖这些场景:routing、RAG、summarization、sub-agents、coding workflows、私有部署。激活2.5B参数意味着单卡甚至消费级GPU就能跑,延迟极低。
国内大量开发者用的是JetBrains系(IDEA/PyCharm/WebStorm),Mellum2天然适配这套生态,可以本地跑做代码补全和中间处理。配合GLM这类国产主力模型做"最终答案",就能搭出"小模型干粗活+大模型定方向"的两层agent栈,把API账单砍掉一大块。这跟"调一个模型从头干到尾"的朴素做法,是质的差距。
适用人群:AI基建团队、做agent/RAG产品的开发者、私有代码库团队、IDE插件开发者。
把三款工具放一起,6月隐藏主线的轮廓就清晰了。下面这张图展示一个"合规优先"的agent请求,如何被三把刀在不同环节"去LLM化":
flowchart LR
U[用户/业务] --> A[Agent 动作]
A -->|粗活:路由/摘要/RAG<br/>本地 Mellum2 2.5B激活| M[(小脑层<br/>便宜确定性)]
M -->|需要拍板时| F[主力大模型<br/>GLM / Claude]
F --> A
A -->|知识读写| O[OpenKnowledge<br/>本地 markdown 文件]
A -->|每次执行| V[Verigate Gateway<br/>Ed25519 签名]
V --> R[授权收据 receipt]
R -->|哈希链相连| C[Chain: VALID]
C --> MK[Merkle 树]
MK -->|锚定| L2[Base L2 链]
V -->|自动映射| AUD[合规报告<br/>EU AI Act/HIPAA/NIST]
style V fill:#2d6a4f,color:#fff
style M fill:#7b2cbf,color:#fff
style O fill:#3a0ca3,color:#fff
一句话总结这条流水线:小模型干粗活(Mellum2,省钱)→ 知识就地读写(OpenKnowledge,省token+隐私)→ 每个动作签收据上链(Verigate,省合规风险)。三个环节都不依赖"再调一个LLM去赌"。这就是6月海外在赌的方向。
| 环节 | 国内主流认知(慢半拍) | 海外在抢(本篇信息差) |
|---|---|---|
| agent审计 | "记个log就行" | Ed25519签名+Merkle上链,法规驱动刚需(Verigate) |
| 知识管理 | "把笔记传给云端AI" | 本地markdown+agent直读写(OpenKnowledge) |
| 模型分层 | "全程一个模型搞定" | 小模型干粗活、大模型定方向(Mellum2,MoE) |
| 法规时间线 | "AI法案还很远" | EU AI Act高风险条款2026年8月2日生效 |
| 趋势主线 | 卷参数、卷上下文 | 确定性回归:可签名、可本地化、可审计 |
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。