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 AgentAI 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。AnthropicClaude 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 DeepMindGemini 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。OpenAIAgentic 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 DeepMindWeatherNext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.aiGLM-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.aiCoding 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