新聞 
2026快過半:壹萬字,把這半年AI發生的事講明白
2026快過半:壹萬字,把這半年AI發生的事講明白2026快過半:壹萬字,把這半年AI發生的事講明白
Agent OS。這是野路子最多的壹個詞，沒有過官方定義。開發者社區裡折騰出來的形態是：壹個 CEO Agent 做規劃，壹個 COO Agent 做路由，再有壹個研究員做長程任務，壹個個人助理采集屏幕和麥克風做上下文。說白了就是用多個開源 Agent 拼壹個個人級的 AI 操作系統。
Multi-Agent。這是最大的傘概念，上面所有的形態都屬於它。Cursor v3 內置最多 8 個並發 Agent，Google Antigravity 2.0 上線了 Agent Teams，GitHub Copilot 也跟進了 multi-agent workspace，amux 這種工具不可知的 orchestrator 用 tmux + SQLite 任務板 + git worktree 把多個不同廠的 Agent 編在壹起跑。
為什麼 2026 年上半年“多智能體架構”這件事突然集中爆發。我自己的判斷有叁條線索。
第壹條，模型上下文窗口不再是瓶頸，工程能力反倒成了瓶頸。1M token 已經是 Claude、Gemini 的標配，但你真把 1M 都塞滿，模型注意力切得稀碎。與其往壹個上下文裡硬塞，不如分裂成多個隔離上下文跑，每個幹淨、各自負責壹塊。這是 Sub-agent 流行的根本原因。
第贰條，Agentic 任務的真實形態就是分布式系統。Hermes Agent v0.13 那個 Kanban 多 Agent 看板我之前講過，心跳、重認領、僵屍檢測、retry，這些機制全是從分布式系統直接搬來的。Agent Team 也好、Dynamic Workflows 也罷，本質都是把模型當 worker，把 orchestration 當成壹個分布式調度問題。這個范式壹旦確立，多 Agent 協作就只是工程實現問題了。
第叁條，企業用戶真正進場。OpenAI 4 月 22 日發的 Workspace Agents、6 月 4 日上線的 ChatGPT Workspace Agents，全是沖著團隊協作來的，目標用戶從開發者擴到了銷售、市場、客服。這是從“session-based chat”到“fleet-based agent work”的范式遷移。組織裡需要的從來不是壹個萬能 ChatGPT，而是壹支各司其職、能持久跑的 Agent 編隊。
我自己體驗下來最大的體會：Sub-Agent 真好用，token 翻倍但任務質量明顯跳壹檔，特別是在長程研究和編程這類場景。Agent Team 就壹言難盡了，多個 Agent 互相通訊聽起來美，實際跑起來經常出現“兩個隊員都覺得對方應該先動”的死鎖。動態工作流真有效果，但成本是真高。
回頭看會覺得很有意思，2024 年我們說 Agent 是工具調用，2025 年說 Agent 是工作流，2026 年終於說到了“Agent 團隊”這個層級。壹個跑得好的 Agent 團隊，不再像壹個工具，更像壹個真正的部門。
伍、Coding Plan：AI 市場化路上的經典事件
2026 年上半年，影響開發者最大的壹次價格革命，是 Coding Plan。
這事的來龍去脈得從壹年前講起。Cursor、Claude Code這些 AI 編程工具，2024 年上線時幾乎統壹按 token 計費。壹個稍微復雜點的編程任務，跑壹次 Opus 幾拾美元起步，OpenClaw 這種 24 小時在線的 Agent 壹天燒出幾百塊也不稀奇。我自己裝 OpenClaw 那會兒，充 50 塊API進去，問到第叁個問題余額就負了。這是非常真實的體驗，不是段子。
按 token 付費，費用真的離譜。每壹次按回車前，你腦子裡都得過壹遍這個 prompt 大概要燒多少錢。開發者最討厭的事就是這種持續認知稅，寫代碼本來就累，再疊壹層成本焦慮，體驗直接勸退。
轉折點是 GLM 推出的 GLM Coding Plan。
定價結構很直接。20 元壹個月起，從 Lite 到 Max 200 元封頂。相比 Anthropic 自家 20 美元的 Pro 和 100 美元的 Max，定價差出壹個數量級。給的不是次數限制，是 5 小時滾動配額加上 7 天周配額。20 元這壹檔基本能撐住壹個全職程序員每天的 AI 編程量。
[物價飛漲的時候 這樣省錢購物很爽]
好新聞沒人評論怎麼行，我來說幾句
Multi-Agent。這是最大的傘概念，上面所有的形態都屬於它。Cursor v3 內置最多 8 個並發 Agent，Google Antigravity 2.0 上線了 Agent Teams，GitHub Copilot 也跟進了 multi-agent workspace，amux 這種工具不可知的 orchestrator 用 tmux + SQLite 任務板 + git worktree 把多個不同廠的 Agent 編在壹起跑。
為什麼 2026 年上半年“多智能體架構”這件事突然集中爆發。我自己的判斷有叁條線索。
第壹條，模型上下文窗口不再是瓶頸，工程能力反倒成了瓶頸。1M token 已經是 Claude、Gemini 的標配，但你真把 1M 都塞滿，模型注意力切得稀碎。與其往壹個上下文裡硬塞，不如分裂成多個隔離上下文跑，每個幹淨、各自負責壹塊。這是 Sub-agent 流行的根本原因。
第贰條，Agentic 任務的真實形態就是分布式系統。Hermes Agent v0.13 那個 Kanban 多 Agent 看板我之前講過，心跳、重認領、僵屍檢測、retry，這些機制全是從分布式系統直接搬來的。Agent Team 也好、Dynamic Workflows 也罷，本質都是把模型當 worker，把 orchestration 當成壹個分布式調度問題。這個范式壹旦確立，多 Agent 協作就只是工程實現問題了。
第叁條，企業用戶真正進場。OpenAI 4 月 22 日發的 Workspace Agents、6 月 4 日上線的 ChatGPT Workspace Agents，全是沖著團隊協作來的，目標用戶從開發者擴到了銷售、市場、客服。這是從“session-based chat”到“fleet-based agent work”的范式遷移。組織裡需要的從來不是壹個萬能 ChatGPT，而是壹支各司其職、能持久跑的 Agent 編隊。
我自己體驗下來最大的體會：Sub-Agent 真好用，token 翻倍但任務質量明顯跳壹檔，特別是在長程研究和編程這類場景。Agent Team 就壹言難盡了，多個 Agent 互相通訊聽起來美，實際跑起來經常出現“兩個隊員都覺得對方應該先動”的死鎖。動態工作流真有效果，但成本是真高。
回頭看會覺得很有意思，2024 年我們說 Agent 是工具調用，2025 年說 Agent 是工作流，2026 年終於說到了“Agent 團隊”這個層級。壹個跑得好的 Agent 團隊，不再像壹個工具，更像壹個真正的部門。
伍、Coding Plan：AI 市場化路上的經典事件
2026 年上半年，影響開發者最大的壹次價格革命，是 Coding Plan。
這事的來龍去脈得從壹年前講起。Cursor、Claude Code這些 AI 編程工具，2024 年上線時幾乎統壹按 token 計費。壹個稍微復雜點的編程任務，跑壹次 Opus 幾拾美元起步，OpenClaw 這種 24 小時在線的 Agent 壹天燒出幾百塊也不稀奇。我自己裝 OpenClaw 那會兒，充 50 塊API進去，問到第叁個問題余額就負了。這是非常真實的體驗，不是段子。
按 token 付費，費用真的離譜。每壹次按回車前，你腦子裡都得過壹遍這個 prompt 大概要燒多少錢。開發者最討厭的事就是這種持續認知稅，寫代碼本來就累，再疊壹層成本焦慮，體驗直接勸退。
轉折點是 GLM 推出的 GLM Coding Plan。
定價結構很直接。20 元壹個月起，從 Lite 到 Max 200 元封頂。相比 Anthropic 自家 20 美元的 Pro 和 100 美元的 Max，定價差出壹個數量級。給的不是次數限制，是 5 小時滾動配額加上 7 天周配額。20 元這壹檔基本能撐住壹個全職程序員每天的 AI 編程量。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 |
推薦: