1. Agent 从“会调用工具”进入“能完成闭环任务”

近期最明显的变化，是 Agent 不再满足于生成一段代码，而是开始覆盖规划、执行、测试、反馈和修复。

量子位报道的多 Agent 游戏生成系统，就安排了规则、关卡、素材、可玩性、仿真和修复等不同 Agent，形成“生成—运行—检查—修复”闭环。核心意义不是 Agent 数量，而是系统已经开始用运行结果作为反馈，而非只判断代码能否编译。量子位：6个Agent组团Vibe Gaming

类似趋势也出现在 Coding Agent：

• AI IDE 正逐渐变成 Agent 运行和管理平台。
• Harness Engineering，也就是上下文、权限、工具、记忆、测试、状态管理组成的运行框架，重要性开始超过单纯换模型。
• 设计与开发开始合流。Claude Design 可以把设计原型直接交给 Claude Code 实现，压缩“需求—设计—代码”的链路。Anthropic：Claude Design

适合博客的观点：

2026 年的 Agent 壁垒，可能不在模型，而在能否建立一个可观察、可回滚、可验证的任务运行时。

---

2. AI 成本指标正在从“每百万 Token”转向“每次成功”

新智元近期提出了一个很值得展开的技术问题：不同模型使用不同分词器，同样一段文本可能产生完全不同数量的 Token，因此只比较“每百万 Token 单价”并不可靠。

真实成本还受以下因素影响：

• 分词效率；
• 输入、输出和缓存价格；
• 上下文长度；
• Agent 重试次数；
• 工具调用与沙箱成本；
• 最终任务成功率。

所以更合理的指标是：

每次成功成本 =
单次运行成本 × 平均尝试次数
+ 工具、存储、沙箱和人工复核成本

也就是说，一个便宜但经常失败的模型，可能比昂贵但一次完成的模型更贵。新智元：Token从来没法直接比价

这是近期最适合写技术博客的选题之一，因为可以自己做实验：拿同一个代码修复任务，在多个模型上统计 Token、耗时、重试次数和成功率。

---

3. 具身智能从“动作表演”走向闭环决策

近期机器人新闻很多，但真正值得关注的不是后空翻，而是三个技术转变：

• 从固定动作转向视觉感知—轨迹预测—规划—控制闭环；
• 从单一机械臂转向全身控制；
• 从单机器人转向多机器人协作和跨本体迁移。

量子位报道的人形机器人自主乒乓球比赛，就是一个典型例子。系统需要实时处理视觉感知、球路预测、全身平衡和击球控制，而且成功、失败回合都会成为后续强化学习数据。量子位：人形机器人完整打完11分制比赛

Google DeepMind 发布的 Gemini Robotics 2 则强调全身控制、精细操作、多机器人协同，以及用少量数据适配新机器人本体。不过其官方结果也显示，多指精细操作的成功率仍明显落后于普通夹爪，说明“机器人已经通用”仍然是过度解读。Google DeepMind：Gemini Robotics 2

最值得写的判断是：

具身智能的核心瓶颈已经从“有没有模型”转向“真实数据、仿真环境、闭环评测和硬件一致性”。

---

4. AI for Science 从“辅助写作”进入可验证发现

近期 AI 在科学领域的热点不只是总结论文，而是：

• 搜索数学反例；
• 构造新的数学对象；
• 改造科学计算代码；
• 参与实验规划；
• 直接进入实验室自动化流程。

量子位总结了一个有趣现象：AI 当前特别擅长在巨大搜索空间中寻找反例或特殊构造。因为模型知识覆盖面广，而且可以低成本尝试大量失败路线。不过它仍不擅长判断哪条研究路线最值得长期投入，也就是数学家所说的“数学直觉”。量子位：AI靠找反例突破数学猜想

OpenAI 最近也集中公布了数学、理论计算机科学和科学软件方面的成果，显示 Coding Agent 正被用于改造基因组学等领域的科研代码，而非只生成普通应用。OpenAI：Agentic AI 与科学计算

Google 的 WeatherNext 则更接近现实应用：官方称其台风路径、强度和风场预测能够多提供约一天的有效提前量，并开放了模型和代码。Google DeepMind：WeatherNext

这个方向的核心判断是：

AI4Science 最先产生价值的，不一定是完全自主发现新理论，而是“提出候选—大规模搜索—计算验证—人类审查”的组合工作流。

---

5. 开源模型竞争转向 Agent 能力和部署效率

近期国产模型报道仍然很多，但讨论焦点已经从“参数量多大”转向：

• 长程 Agent 任务能否稳定完成；
• 是否支持本地和国产芯片部署；
• 长上下文推理成本；
• Coding Harness 的适配程度；
• 真实工作负载下的吞吐和可靠性。

例如 GLM-5 的官方定位就是复杂系统工程和长周期 Agent 任务，并采用稀疏注意力、异步强化学习等方式控制推理和训练成本。Z.ai：GLM-5

更值得注意的是，模型能力强并不代表服务稳定。Z.ai 后续披露，长上下文、高并发 Coding Agent 工作负载曾触发 KV Cache 竞争和异步读取错误。这说明 AI Infra 的正确性已经成为模型质量的一部分，而不只是吞吐和延迟问题。Z.ai：Coding Agent Serving 的系统故障

因此可以得出一个很技术向的结论：

下一阶段的开源模型战争，不只是权重和跑分战争，也是推理基础设施、上下文管理和 Agent 生态战争。

---

6. Agent 安全正在成为发布和部署的硬约束

模型开始自主调用代码、浏览器和外部系统后，传统的“敏感词过滤”已经不够用了。

新的风险包括：

• Prompt Injection；
• 工具权限越界；
• Agent 为完成目标绕过限制；
• 自动化网络攻击；
• 长任务中的目标漂移；
• 多 Agent 之间的不安全权限传递。

OpenAI 已公开表示，前沿模型在 Agentic Coding 和网络安全方面的能力进展，使其无法排除达到关键网络能力阈值的可能，因此扩大了测试、监控和安全机构合作。OpenAI：前沿模型的网络安全能力

Anthropic 给出的 Agent 安全框架，则强调默认只读、关键操作人工确认、执行过程透明和随时可中断。Anthropic：可信 Agent 开发框架

这意味着今后的 Agent 产品至少需要四层控制：

最小权限
→ 操作前审批
→ 执行中监控
→ 结果审计与回滚