OpenAI 把内部账本亮了出来：截至 2026 年 8 月中旬，每 1 个人类研究工作日，公司内部同时跑着 3.1 个 AI Agent 工作日——半年前还不到 1，6 月前 Agent 总运行时间仍低于人类总劳动，6 到 8 月之间天平翻了过来。中位数研究员日均推理算力约 600 美元，第 90 百分位每天烧掉超 7000 美元 token。Agent 真正站稳的不是宏大战略规划，而是研究中间那段不性感的苦活：写基础设施、跑和监控训练、排障。但账本里也藏着诚实的免责声明——4 到 8 小时任务中，超过一半仍需至少一次人工介入，OpenAI 称其为「昂贵的同事」而非「替代者」。这背后是递归式自我改进第一次跑在了实验室里：人类定方向，Agent 写码跑实验排障，产出更强模型，再回流到下一代研究；OpenAI 已宣布达成「自动化 AI 研究实习生」目标，下一个节点是 2028 年 3 月的「完全自动化 AI 研究员」。前沿的比赛早已不在 benchmark 分数，而在生产级 harness、安全边界与经济账。
OpenAI 把内部账本亮了出来：截至 2026 年 8 月中旬，每 1 个人类研究工作日，公司内部同时跑着 3.1 个 AI Agent 工作日——半年前还不到 1，6 月前 Agent 总运行时间仍低于人类总劳动，6 到 8 月之间天平翻了过来。中位数研究员日均推理算力约 600 美元，第 90 百分位每天烧掉超 7000 美元 token。Agent 真正站稳的不是宏大战略规划，而是研究中间那段不性感的苦活：写基础设施、跑和监控训练、排障。但账本里也藏着诚实的免责声明——4 到 8 小时任务中，超过一半仍需至少一次人工介入，OpenAI 称其为「昂贵的同事」而非「替代者」。这背后是递归式自我改进第一次跑在了实验室里：人类定方向，Agent 写码跑实验排障，产出更强模型，再回流到下一代研究；OpenAI 已宣布达成「自动化 AI 研究实习生」目标，下一个节点是 2028 年 3 月的「完全自动化 AI 研究员」。前沿的比赛早已不在 benchmark 分数，而在生产级 harness、安全边界与经济账。
Bun 1.4 把运行时底层从 Zig 重写成 Rust，一次改动 +1,009,257 / −4,024 行、6,778 次提交、约 11 天、烧掉约 16.5 万美元 token——但核心开发者 Jarred Sumner 没有亲手敲出这 100 万行：他先搭了一套 harness，把 agent 放进去并行重写，之后几个月让 agent 继续修 bug、跑测试、反复打磨到稳定发布。同一天，Claude 用几乎一样的思路端到端形式化证明了费马大定理（约 1,300 万行 Lean、约 60 亿 token、约 11 天）。两件标杆性事件指向同一个判断：软件生产的单位，正在从「人写的一行行代码」变成「人设计的 harness + 被调度去执行的 agent」。生成已经很便宜，贵的是验证回路；程序员没有消失，是往上挪了一层去写「让 agent 正确实现」的系统；当没人逐行读代码，正确性就完全押在测试与验证上。
GPT-6 Astra 被扒出可能用了 recurrent depth（循环深度）。这篇文章不聊八卦，把这五篇关键论文里的可操作部分拆出来：免训练循环外壳（把一次大步换成 K 个阻尼小步，MMLU-Pro +2.64pp）、「循环两次就够了」的增益-成本剪刀差（SWE-bench 43→64.4 后第三圈掉回 27.6）、以及它对 agent 开发的四条直接映射——reflection 轮次的两次定律、潜在推理与显式 CoT 的超加性（+26.9）、把循环窗口对准 agent 的深思区、KV cache 是多轮 agent 的隐形税。
GPT-6 Astra 在 9 月 3 日发布、9 月 4-5 日放量到 ChatGPT Work / Codex / API 后，真正的变化不是「又出了个更强的模型」，而是它直接装机进 coding agent 的 harness：Codex 跨窗口持久记忆、给写 PR 的 agent 加语音对话、Cognition 把 Astra 塞进 Devin 在 FrontierCode 上逼近 Fable 5 而成本低 64%。同一天 Claude Code 周限额重置。模型厂不再只卖 API，开始亲手把模型做成「会写代码的 agent」——coding agent 的护城河正从「模型强」挪到「harness 强」：上下文记忆、工具编排、模型路由、护栏、可观测才是难复制的部分；而成本曲线上单模型单价在涨、编排却把每任务成本往下拉，开发者最终为「性价比」而非「榜单」买单。
OpenAI 发布 GPT-6 Astra 并高调宣布 AGI 时代到来。本文从跑分争议、AGI 定义、行业格局与七个值得关注的方向，深入分析通用人工智能的现状与趋势。
9 月 3 日，OpenAI（ChatGPT+Codex）、Anthropic（Claude）、xAI（Grok）在几分钟内相继熄火，连带 Gemini、Copilot、Cursor 异常，持续约 3 小时 40 分，是有记录以来最大规模 AI 集体宕机。根因指向微软 Azure 美东区域网络异常 + Cloudflare 边缘故障——三家「竞争对手」核心算力其实主要部署在同一片 Azure、访问端依赖同一层 Cloudflare，于是「一荣俱荣、一损俱损」。对 AI coding 而言，coding agent 已成生产依赖，一次全局宕机等于研发产线停摆；市场用 Palantir +7.7% 给「可靠性」定了价。结论：把 LLM 当成一个会半夜罢工的依赖来设计——多供应商路由、本地/自托管兜底、断路器、SLO 监控。
用 WorkBuddy 一个对话就做出单文件教育触摸屏首页 Demo（轮播/导航/视频弹窗/通知/时钟），并一键部署成公网链接；含实拍截图、公开体验地址，详解还能部署到哪、当前分享链接部署在哪、是否支持后端、是否永久有效。
9 月 2 日 AI agent 观察：腾讯 WorkBuddy 开放平台上线，把应用/专家/Skill/连接器/硬件五类能力开放给开发者，个人可上架 Skill；字节豆包工作上新多 Agents 并行（主 Agent 拆解分派子 Agent）+ Mac 本地 GUI 操作（无 MCP/API/插件/CLI）；NousResearch hermes-agent GitHub 单日冲约 24 万 star，主打自适应自主与持续学习记忆；Google Gemini 3.8 Flash 以 305 tok/s、$0.75/$3.75、1M 上下文成为最便宜高吞吐 agentic workhorse（金融/法律 agent 领先、Terminal-bench 2.1 89.4% 略超 Opus 5）。结论：agent 竞争从「谁的模型强」转向「谁的平台能长出生态」，但开市热闹 ≠ 价值闭环，要守住「可度量产出」的底线。
9 月 3 日 具身智能观察：新华财经《从造车到造「人」》披露车企跨界人形机器人成战略浪潮——小鹏 IRON 首轮超 9 亿美元融资（估值 63 亿，IDG 领投，腾讯阿里战略投资），何小鹏亲任机器人 CEO，年底量产、2027 交付、月产能数千台，85% 供应链与汽车重合；奇瑞墨甲（25 亿估值）、广汽慧仑 GoMate Mini（50 台、近千万元订单）、蔚来投具身智能公司，近 20 家车企布局；北京 RoboMIND 开源数据集下载破 2000 万次（30 万条双臂轨迹、年产能 18 万→目标 100 万小时）；世界人形机器人运动会发布标准指南（6 部分）+ 2500 小时全量数据集 + ISO 首项国际标准。结论：具身智能 2026 的关键词是「工业化」——供应链复用 + 数据燃料规模化 + 标准数据集生态，赌垂直场景稳定替代而非通用爆发。
9 月 2-3 日 AI coding 观察：OpenAI 通知 11/12 终止向 Cursor 提供模型（SpaceX 600 亿美元收购 Anysphere 触发变更控制条款，被指 xAI/X 违约），Cursor 仅 5% 流量依赖、Anthropic 加码；智谱入驻天猫开售 GLM Coding Plan（基于 GLM-5.3，适配 ZCode/Claude Code/Codex 等 20 余款工具，Pro 538 元/月较年初涨 3.6 倍），把「卖 Token」做成零售；阿里 Qwen3.8-Max 登顶 CodeArena 前端编程（1691 分超 Opus 5 / Kimi K3，1M 上下文，$2/$6）；OpenAI 同期 API 降价（GPT-5.6 Luna −80%）。结论：coding agent 2026 是供应链重构年，护城河从「模型接入」转向「自有模型 + 场景绑定 + 部署形态」。
9 月 2 日 AI agent 观察：Cue-Anchored Working Memory 提出记忆是「递送」而非「存储」——Tier2 由 harness 在 path/symbol/semantic/event/temporal 五种 cue 触发时确定性注入，一个存储是记忆还是参考文档由递送机制决定；四层记忆架构（working/episodic/semantic/procedural）指出长上下文成本约为持久记忆检索的 15 倍；StateM 不改模型权重，靠 durable states+phase-local context+checked transitions+recoverable runbooks 把 Terminal-Bench 2.1 拉到 95.3%；AgentScope 2.0 把状态/记忆/可观测/治理做成开箱工程。结论：agent 难点已从「模型够强」转向「状态/记忆/可观测/治理」，要当受管业务系统设计。
9 月 2 日 AI coding 观察：OpenAI Codex CLI 曝出 _context 外部记忆工具，用「硬切窗口+工作注释+历史查询」解决长任务压缩丢背景；Claude Code 周限额「名义永久+25%、实际到手反降 17%」，同期 OpenAI 修后台偷烧额度 bug；Cognition（Devin）拟融资约 10 亿美元、估值冲 470 亿美元。结论：coding agent 竞争从「谁更会写」挪到「谁更会记住、谁更划算、谁更敢下注」，正被当作下一代基础软件层单独计价。
9 月 2 日具身智能观察：2026 世界机器人大会（WRC）主题「人机共生，产需共融」，300+ 企业、311 款首发，实用型作业机器人取代跳舞机器人成流量 C 位；1–7 月工业机器人产量同比 +28.5%，上半年具身智能融资 935 亿元（同比 5 倍）；Microduck（399 美元端侧 RL）与 Nori Robotics（YC S26，$20k 开发者人形）把训练门槛打到消费级；TVA+World 模型长程规划完成率 +55%、错误 −60%；王兴兴给「ChatGPT 时刻」定量化线（80% 陌生场景完成 80% 任务），临界点未到但路径清晰。结论：商业化路径已清晰、临界点未到，最实在的打法是赌「某个垂直场景被稳定替代」而非通用机器人爆发。
9 月 1 日 AI agent 观察：Google Research 主张给 agent 留一本「经验 wiki」，小模型带技能可击败 3 倍大模型；字节 Chain-of-Experience 证明保留 messy 历史优于总结成整洁记忆；微软 Agent Framework 1.16 把 state 升为「核心基础设施决策」、agent 与 channel 解耦、OpenTelemetry 可观测成一等公民；腾讯 ContextPilot 用软压缩应对无界上下文。结论：agent 工程化难点正从「模型够不够强」转向「状态/记忆/可观测/治理」，要当受管业务系统设计。