AI 行業還是太善變了。大廠們從年初的搶入口、拼參數、比榜單，競逐 C 端使用者規模，開始轉向 B 端生產力兌現，為企業和打工人們配辦公助理。 騰訊WorkBuddy 是典型的場景帶模型打法，在各類辦公智能體中一路領跑，7月整合了QClaw 產品中心與 WorkBuddy；阿里“置身釘內”事件爆發後，MuleRun 原負責人陳宇森接手釘釘，8月，QoderWork、MuleRun、悟空等多款辦公 AI 產品，被統一為“千問辦公”品牌，結束內部多產品賽馬；百度也在近期啟動辦公智能體整合，將內部辦公產品 dodo 的團隊與資源併入百度搭子，辦公 Agent 業務轉為集中作戰。 在“聊天”和情緒價值方面給力的字節，調整力度為四家之最，也呈現務實傾向。 7 月底，飛書產品團隊併入豆包，銷售、市場和客戶服務團隊併入火山引擎，構築算力和資料優勢。據 The Information 披露，在 Seed 全員會上，字節跳動創始人張一鳴還談到對模型蒸餾的看法，他明確表態：閉源模型和開放權重模型不能蒸餾，“Seed 可以接受暫時的落後，但不接受依靠蒸餾競爭對手來消除這種落後。”

(先元資本)

今天，Anthropic發佈了一個重大更新，18個小時就被近500w人看過。 給Claude Code加了個新東西，不同的Claude Code會話，現在可以互相聊天了。 之後不用再在窗口A裡複製一段總結，貼上到窗口B。這還是雙向的：你同樣可以向另一個會話提問，並在當前會話中收到回覆。 而且當它剛做出的改動影響到另一個會話的工作內容時，Claude 還能主動向其他會話傳送消息。

GPT-5 於 2025 年 8 月 7 日發佈，明日迎來一周年。OpenAI 借此推出 Agent Plugins：一個開放、廠商中立的標準，用可移植的外掛格式打包 Agent Skills 和 MCP 伺服器，相容客戶端可統一發現和載入。項目公開授權開發，指導委員會成員包括亞馬遜、Cursor、微軟、OpenAI 和 Vercel。 過去一年 GPT-5 家族快速迭代，先後推出 5.1 至 5.6 等多個版本，蘋果也在 iOS 26 等系統中將其接入 Apple Intelligence；Codex 應用今年 7 月成為新的 ChatGPT 桌面客戶端。至於 GPT-6，OpenAI 尚未官宣，僅透露內部 Astra 模型推進了 10 個長期未決的數學和電腦科學問題，且 GPT-5.6 的發佈曾短暫因美國政府安全審查而推遲。 (firemail)

從感知到執行，從單體到協同——企業級 AI Agent 的技術架構與運行機制全景解析 一、引言：從 LLM 到 Agent 的範式躍遷 大語言模型（LLM）的突破性進展使人工智慧從"感知智能"邁向"認知智能"。然而，單純的 LLM 本質上是一個無狀態的機率文字生成器——它接收輸入、輸出文字，卻無法主動感知環境、規劃行動、呼叫工具，更無法在多步任務中保持連貫的執行邏輯。 AI Agent 的出現，正是為了彌補這一關鍵缺口。Agent 並非 LLM 的簡單包裝，而是在 LLM 認知核心之上建構的自主行動系統。它將大模型的推理能力與規劃、記憶、工具呼叫等機制深度融合，使 AI 從"回答問題"進化為"完成任務"。

過去幾天，DeepSeek 和 Qwen 對大模型行業帶來了前所未有的顛覆效果。 Hermes Agent 背後的公司 Nous Research 宣佈，剛剛正式推出的 DeepSeek V4 Flash 模型在其平台上啟動一折促銷，持續 7 天。 這是一個荒誕卻又務實的價格，Nous 原話說 DSV4 Flash 的呼叫成本比 Fable 5 便宜千倍以上。即便回歸正價，其性價比依然維持著百倍左右的碾壓優勢，打不打折都便宜到離譜。 更別提它還是開放原始碼的，理論上只需數百 GB 視訊記憶體/統一記憶體即可部署量化版本，記憶體稍多一些甚至可以部署無損版本。比如一台（目前尚無新機可售的） 256/512GB RAM 版本 Mac Studio，或者兩台輝達 DGX Spark 堆疊起來。事實上，DeepSeek 一直是開源模型當中對准消費級硬體本地部署最友好的，參見我們的 Mac Studio 部署體驗。

模型大戰，終究是入口和生態大戰。 從今年 6 月到 8 月初，短短不到 60 天時間，有一件事幾乎同時在新 BAT 發生。 先是 6 月，阿里率先開啟內部 Agent 的產品線與能力大整合，到 8 月 3 日，官宣在程式設計（Coding）和專業辦公（Cowork）能力大幅提升的 Qwen3.8 模型的同時，正式將內部孵化的三款 Agent 產品 QoderWork、悟空、MuleRun 合併為統一的 Agent 產品「千問辦公」。 緊隨其後，7 月 20 日，騰訊開啟業務整合，QClaw 的相關業務和團隊被併入 WorkBuddy 體系。

Coding之外， 關於原生多模態的爭論從未停止。 “長鏈任務如果只通過程式碼層面的反饋，誤差可能會不斷累積，最終效果會非常差。”談及原生多模態的意義，一位多模態研究員表示，“視覺是一種更準確的反饋，也更貼近使用者意圖。” 過去一年，Coding與Agent能力不斷改寫大模型的排名，也成為AI最快兌現商業價值的場景之一。與此同時，隨著Agent開始接管更多長鏈任務，越來越多的通用大模型開始匹配原生多模態能力。