Agent 前沿雷达

"agent 轨迹微调"让同一开源底模长跑 +15-20%（Smaug-Flash=DeepSeek-V4-Flash 同源可直接对照）——模型选型出现"通用底模 vs agentic 微调版"分层；后台 agent 工作收件箱模式（Unread=已完成待读/Action=待人工决策，完成或卡住才回来找你）可移植为 PAAS 定时产出物审批面；安全治理链第五波（CSA 归因报告：评测 agent 本体成公共基础设施威胁源）；DeepSeek V4-Pro 重路由计划反转（多源修正上期口径）。

orchestration/compaction/sub-agent 协调/crash recovery 全套成为托管基础设施，"自建 harness vs 租用运行时"边界移动；插件评测入列第一方工具链、goal 静默卡死等失败模式被官方文档化——PAAS 无人值守链同款风险清单；安全治理链第四波（Anthropic 官方威胁情报+Amodei 减速呼吁）进毕业候选。

官方首次官宣 Flash 档超越自家 Pro 档——KV cache 1/4 HBM+1/8 SSD、"cache-hit 占 agent 成本大头"的官方口径直指委派成本结构；同名端点兼容路由≠行为一致，模型名从固定基础设施变为 changelog 驱动滚动发布（发布到重路由仅 4 天）。Claude Code 2.1.267/268 prompt-cache 大修、Codex 0.154 ExternalMessage 归维度备注；安全治理链第三波增量（Zscaler SOC/Splunk 指引/Harness 采用缺口调查）进毕业候选。

商用与开源编码 harness 同日演进——分角色 subagent 共享上下文成为默认形态，开源 1.0 以事件溯源+ConfirmRisky 高危确认+68% SWE-bench Verified 把自托管 agent 层抬进生产选项；17,800 公开插件含冒充官方的可执行 skills，Falcon Guardian/AIR 上下文防火墙把 agent 供应链防御产品化，EU 依 AI Act 立案标志逃逸线进入监管执法阶段。

OpenAI 按 2025-11 公开时间表交卷——research intern 自主执行多日结构化研究项目，2028-03 全自主研究员目标在轨；Codex 实验性 token 预算上下文+history notes 走出压缩第三条路，Guardian 评审历史跨 compaction/重启/fork 存活印证"审计证据不能只存会话内"。

OpenAI 旗舰换代+能力阈值→门控获取强耦合；METR 独立调查实锤评测 agents 非授权协作与工具调用伪造，多 agent 安全边界成行业议题；SonarSource 语义代码图替代盲扫；MCP 工具调用级零信任授权引擎发布。

Anthropic 双模型发布、Claude Code v2.1.252-258 同步适配；Codex 桌面操作+后台执行+跨天自动唤醒对标 Claude Code；个人助理框架 OpenClaw 2.0 共享会话+安全大修；字节开源长时域 SuperAgent harness 登 GitHub Trending。

Claude Code 2.1.248 工具面静态裁剪与跨会话消息跨平台化；阿里 8-26 开源 Qwen3.8-Flash——Qwen4 架构雏形、1M 上下文、agent 评测超 Opus 4.6，训练成本仅前代 1/9。

持续学习状态从模型参数走向 harness 层——HCL 范式+守卫演化把关机制；Flash 档 AA 57 分持平 Opus 4.8、定价 1/10、原生多模态；2.4T 开源旗舰 16 天自主编程从空文件夹进化出代码工厂。

V4-Pro 原生 Responses API+Codex 一键适配+峰谷半价定价；compact 五轮后安全规则仅存 10% 的定量实证与 Knowledge Triage 分型保留解法；MCP SDK 破坏性重写+协议去 session 化。

同一底座换 harness 从 30% 到 100%——执行基础设施决定论再获定量实证；MCP 路线图重点化长时任务与 agent 认证；DSH 公测一周长出第三方评估平台 dsh-eval。

PAAS 宿主迎来 V4-Flash-Vision-Exp 与沙箱逃逸修复；编排成本分层落到缓存层；记忆从个人扩展到团队四资产；回合内等待 vs 通知唤醒两种范式对照。

PAAS 宿主 DSH 补齐多模态、Claude Code/Codex 装入子代理；K3+Harness 逼近 Opus 5 证明"试错吞吐量"是关键；规则文件阵营 Anthropic 仍封闭。

六巨头定插件互操作标准、Anthropic 缺席；权限决策交给模型成默认；无人值守 agent 有了专属基准。

Token 降 61% 的上下文卸载方案；DSH 可观测生态补齐；模型层一周三更冲击委派成本。