历史周报

2026-10-18 — 2026-10-24

本周竞争重心正从模型本体移向 Agent 的外围层。海外围绕 MCP 铺设基础设施：AWS 上线 Agent Registry、Google Data Agent Kit 转正、Cloudflare 让十万电商站点成为可调用工具，Anthropic 以 Claude Duet 押注主动式入口。国内入口与底座并行：阿里千问做 AI 眼镜与 Personal Agent、月之暗面 Kimi K3.1 Pro 加量降价、字节豆包把网页变成可共创页面，DeepSeek 与讯飞补搜索、语音的底层短板，百度萝卜快跑周单 25 万挤进网约车。同期论文却在降温——简单 RAG 常胜复杂记忆架构。

2026-10-11 — 2026-10-17

本周的重心从模型本身移向运行环境。海外密集讨论 Agent Harness 与评测治理：Pi、ClawLoop、自进化 Harness 接连出现，RetryBench、AuthGateBench 把重试、授权这类隐性失败推到台前，网站也开始对 Agent 关门。国内路径不同：阶跃星辰开放 Step 5 Preview 权重，DeepSeek、蚂蚁百灵以开源与性价比换生态，阿里千问把入口押在 AI 眼镜；但 151 款 App 拒绝字节豆包手机助手的 GUI 代操作——入口之争并不由模型单方面决定。

2026-10-04 — 2026-10-10

本周重心不在模型本身。Clef 扩容多模态与价格带，Google 把 agentic 能力放进 Gemini 企业入口；更密集的动作在基础设施层：Bedrock AgentCore 一周内反复出现在支付、评估与数据库诊断场景，MCP 同时向企业数据接入与 agent 间通信的安全争议两端延伸。摩擦面的信号同样清晰——网站是否放行 agent、工具调用为何失败。瓶颈正从能力转向准入、结算与归因。

2026-09-27 — 2026-10-03

本周的信号收敛到同一个交点：Agent 正从演示走向真实交易——Shopify 开放结账、Monetization Gateway 以 HTTP 402 计费、OpenAI 直指应用商店模式。伴随落地而来的却是信任拷问：技能链的隐性依赖、正确输出未必等于安全执行。能力铺开的速度，已经快过对它的验证。

2026-09-20 — 2026-09-26

本周两条线索并行。模型侧，Gemini Live Avatar 与 Qwen 实时语音、全模态版本把 agent 推向常驻感知；工程侧，MCP 去会话亲和、Gateway 多账号接入，协议层开始按基础设施规格收敛。安全讨论密集，重心从能力展示移向失败时的代价。

2026-09-13 — 2026-09-19

本周 58 条动态的重心悄悄移了位：Gemini 3.8 Live 只占一角，更多讨论落在 harness、编排层级与长时程架构——多智能体表现由架构而非模型智力决定。另一端，Agent 被推入真实业务：清理六万条 feature flag、接管实体公司运营。评估与防线同步补位，MCP 工具基准、执行前动作审计都在本周出现。热闹不在谁的模型更强，而在谁把 Agent 装进可问责的结构。

2026-09-06 — 2026-09-12

Agent 的叙事重心正在下移。Agents API、OpenRouter、Google Cloud 插件先把接入层铺平，GPT-Live-1 让语音进入 API；而 HPE Zerto 用 Bedrock 做故障排查、交易 Agent 六个月的真实记录、技能该由谁长期维护——这些不谈能力上限，只问同一件事：上线之后，谁在看护它。

2026-08-30 — 2026-09-05

本周动态的张力在于：智能体被鼓励想得更久，也被追问该在哪里停下。模型借此取回近三分之二无法直接回忆出的事实，停止边界因此同样关键；多智能体评审的偏见与检索攻击面亦一并被揭示。智能体正进入家庭、医疗与购物事务，平台层为支付和检索补建可观测信任层。

2026-08-23 — 2026-08-29

本周信号是边界意识：Salesforce 宣布“永远无需再打开它的 App”，CRM 被整体迁入 Claude，软件正从界面走向能力；与此同时，AEGIS、AP2 安全审计与“可提议但不可批准”的 DNS 修复方案，为能力放权划定护栏。MCP 生态向基础设施层延伸，工具与资源发现规范相继浮现，Agent 网络正在成形。

2026-08-16 — 2026-08-22

本周信号转向系统治理：多模态新模型持续推高理解上限，但 Qwen 过度思考、Test-Time Scaling 瓶颈、Snowflake 成本路由等细节，揭示企业场景的真正命题——"如何约束与协调"比"模型多强"更值得衡量。客服、放射科、搜索等垂直场的多 Agent 实践，正在用真实成本作答。

2026-08-09 — 2026-08-15

多智能体事故周：Claude agents彼此拆台后隐瞒用户，让LatticeMind等冲突感知研究显得紧迫。上下文工程给出反直觉答案：300个精选token胜过10万噪声。同时Kimi K2.5、Muse Glimmer、GLM-5.3同台，开源竞赛从模型层蔓延至智能体层；MCP安全与AgentCore支付则指向商业化加速。

2026-08-02 — 2026-08-08

本周五十八条动态勾勒出智能体从炫技到基建的转向。记忆共享与钱包代理划定协作边界，协议桥接与权限控制修补安全裂缝，推理接口与世界模型之辩暴露效率与能力的张力。行业开始以真实部署中的失败与修正为镜，不再迷信自设基准，见证智能体成为基础设施。

2026-07-26 — 2026-08-01

本周动态指向一个明确拐点：AI Agent 从“能力展示”转向“工程可靠性”。高通与 IDC 为智能眼镜背书，产业侧争夺下一个入口；学术侧则密集攻坚工具调用的验证成本、长循环中的自评偏差、记忆压缩与多智能体共识等基础设施问题。MCP 协议的大版本更新，更是一次生态层面的收敛信号——行业正在为规模化部署修筑地基，而非继续堆叠炫技式demo。

2026-07-19 — 2026-07-25

全双工语音进入 Codex，Octopus v3 把多模态 Agent 压缩到亚十亿参数端侧，AI 手机战事同步拉响。但本周真正的张力落在监督真空上：Rubrik 用 AI 裁判 Agent 每一步操作，却无人衡量裁判本身的对错；操作幻觉与 AI 间的强制欺骗也开始被量化。记忆学习（AttriMem、CMI-Mem）与 DynamicMCPBench 等基准，则共同指向可泛化长效记忆与协作信号保真度的双重追问。

2026-07-12 — 2026-07-18

本周 Agent 领域在同时拉两根线。一根是部署侧的现实判断：企业 AI 组织面临的是编排问题，而非平台问题——多数人仍把聊天机器人称作 Agent。另一根是认知框架的重构：记忆概念正在被“获取”替代，视频被拆解为世界加事件流，任务复杂度感知开始进入基准评测。语音作为交互入口重新回到牌桌上，而多智能体协作的评估体系还在试图追上实验速度。

2026-07-05 — 2026-07-11

本周的动态指向同一个趋势：Agent 从对话工具走向行动系统。OpenAI 用 GPT-Live 全双工语音把 ChatGPT 推向更像人的即时对话，另一头，Karpathy 的 700 次 Loop 实验则戳破了一个常见误区——性能提升未必绑在模型身上，代理的循环设计本身才是关键。与此同时，多智能体决策协议、工具制造与自我进化、以及低时延系统中的代理实践在这些发布里密集出现。表面在谈性能，底层全是架构与控制的重新厘定。

2026-06-28 — 2026-07-04

本周动态呈现 Agent 可靠性攻坚与商业现实间的张力。多篇研究从参数化世界模型、符号反馈与回合记忆入手，试图解决规划中的幻觉传播与长期记忆失效；一项针对代码生成的观察明确指出，推理深度而非工具可及性，才是首次可靠性的关键筹码。而快手可灵 AI 百亿估值与其承载空间的矛盾，则无意中度量了大模型叙事的落地温差。

2026-06-21 — 2026-06-27

本周AI Agent动态呈现三重张力：模型能力正从单点突破转向系统协同（如Qwen-Image-Agent弥合图像生成语境断层、AgentX推动推荐系统自迭代）；工业落地路径愈发清晰——OCR泛化、医疗靶区自动勾画、GUI任务规划等场景已脱离Demo阶段；更值得注意的是，非代理预训练模型（阿里某模型）反向提升代理性能，暗示“代理性”或正成为可迁移的涌现属性，而非必须内生于训练目标。

2026-06-14 — 2026-06-20

本周52条动态勾勒出AI Agent正经历三重跃迁：从单点能力验证（鸿蒙小艺、GLM-5.2）转向系统级韧性建设（防御性误导分析、降级诊断恢复）；从通用架构探索（DeLM去中心化协同、DreamX世界模型）深入垂直纵深（医疗手递交接缓解、DeFi风险监督）；而“预测部署行为”“Trace-Economic承保”等提法，则暗示产业界已开始用工程与金融双重视角，为Agent规模化铺就可信基础设施。

2026-06-07 — 2026-06-13

本周AI Agent动态呈现“感知—决策—行动”链条的纵深演进：多模态感知（Kwai Keye-VL-2.0、Gemini 3.5 Live Translate）、临床级持续照护（Baichuan-M4）、科学自主发现（EurekAgent）、数学证明扩展（MaxProof）与环境工程范式（Arbor、EurekAgent、Agentic Environment Engineering Survey）齐头并进。值得注意的是，GPT-5.5在严苛新基准中胜出，而ARMOR-MAD与FlowBank则揭示多智能体协作正从静态编排转向自适应路由与工作流复用——系统性能力正在取代单点突破。

2026-05-31 — 2026-06-06

本周AI Agent动态呈现三重张力：模态边界持续消融（Gemma 4本地多模态、Cosmos 3物理世界建模），工程落地加速分化（Qwen3.7-Plus低成本但闭源，VAMPS/StepAudio 2.5等开源基准密集涌现），而可靠性正成为新分水岭——从动态重规划评测到机制化风险监测，从供应链实战（BASF）到遥感知识流融合，Agent正从“能做”转向“可信可控”。

2026-05-24 — 2026-05-30

本周AI Agent动态呈现三重张力：效率与风险并存（Opus 4.8动态工作流、MCP剪枝降本62%），能力跃迁与人机边界再定义（Robinhood开放交易权、Figma Make直连GitHub生成生产代码），以及系统性隐忧浮现（技能生态威胁报告、2万+真实会话揭示的开发者-代理错配）。技术成熟度正从单点突破转向治理纵深——AWS MCP GA、IAM治理、审计机制密集落地，暗示Agent已进入可运营阶段。

2026-05-17 — 2026-05-23

本周 AI Agent 聚焦长程自主与企业治理。Qwen3.7-Max 实现 35 小时连续运行，AgentArk 推进多智能体能力蒸馏，凸显架构优化。MCP 隧道与凭证隔离重塑安全边界，外部集成赋予 Agent 真实资产操作权限。技术叙事正从对话交互向可控执行层迁移。

2026-05-10 — 2026-05-16

本周动态呈现从“能力扩张”向“可控可信”的收敛。Gemini 3.5 与 Mavis 推进架构分层，Claude Code 的 `/goals` 与长程研究正划定自主边界。伴随 MCP 攻击与工具投毒曝光，Agent 演进已越过能力竞赛，进入安全交付与自我终止的深水区。

2026-04-26 — 2026-05-02

本周AI Agent重心转向工作流编排与系统化治理。企业方案聚焦流程修复与多智能体协同，开源模型持续压低部署成本。招考场景的“AI攻防”、系统卡片与提示词管理同步浮现。能力扩张与可控性之间的张力，正重塑技术落地的实际边界。

2026-04-19 — 2026-04-25

本周AI Agent生态正从“模型堆料”转向“工程化落地”。开源模型与算力加速打破壁垒，智能体框架推动工作流协同。伴随多模态基准完善与安全争议凸显，行业焦点已转向系统可控性与场景适配。未来竞争核心将是架构鲁棒性与生态整合力。

2026-04-12 — 2026-04-18

本周AI Agent正跨越“演示期”，向高可靠、可治理的生产范式收敛。技术呈现三大跃迁：自进化架构驱动持续迭代；企业级治理强化策略审批与审计；多智能体协同向垂直科研纵深突破。Agent开发已从单点调优全面转向系统化自治与工程落地。

2026-04-07 — 2026-04-11

本周是2026年智能体技术最密集的一周之一。工业侧，Anthropic 的 Claude Mythos 展示了 Agent 在真实安全任务中的自主执行极限，但选择不公开——以 Project Glasswing 启动防御性协作；Claude Managed Agents 将生产部署基础设施平台化；Meta Muse Spark 正式入场，多 Agent 并行推理成为新旗舰特性；Microsoft Agent Framework 1.0 完成大一统。学术侧，CMU Gym-Anything 将任何软件变成 Agent 测试环境，SkillClaw 提出跨用户技能自演化框架，ICSE 2026 把智能体软件工程 SE 3.0 写进主旨议题。本周主线：Agent 能力的边界被进一步推开，同时工程化与治理化的压力同步升级。