主动型智能体密集登场，生态围墙成了真瓶颈

Anthropic以研究预览形式推出Claude Duet，可连接用户的邮件、日历、银行及企业系统，在用户未发出指令时主动发现待办事项、发送晨间简报，并在用户离开后继续在后台执行任务，集成了超过6000个应用连接器。Meta的Muse上线约六周，美国、加拿大已有超1000万人完成设置，约25%每日使用，超四分之一周活跃用户使用购物功能。MiniMax发布的M3.1 Flash在Agentic任务、编程、Computer Use等能力上实现代际提升，推理速度提升近三倍，使用成本降低70%。

但真正的障碍不在模型能力。亚马逊以“违反使用条款”为由拦截了Muse的代购功能，国内首款备案AI手机开售即遭超百款应用集体拒绝，微信、淘宝等超级应用始终未开放自动化接口。智能体能否真正“主动干活”，取决于应用生态是否愿意开门，而不是模型本身够不够聪明。

世界模型：从“生成画面”到“训练机器人的沙盒”

谷歌DeepMind发布Genie 4研究预览版，能根据自然语言指令生成可实时交互的虚拟世界，在模拟过程中可实时改变天气、调整视角或添加人物物体，并具备原生音频同步生成能力。场景一致性维持时长延长至约两分钟，是前代的两倍。更关键的是与Gemini 4 Argon的协同实验：Gemini负责将用户指令拆解为步骤，Genie 4实时生成机器人执行任务的模拟画面，展示了在真实机器人测试前先在仿真环境验证方案的路径。

谷歌研究总监对此的判断是，未来会出现越来越多“混合世界模型”，由大模型生成代码和文本，世界模型实时接收并模拟现实。不过团队也承认，仿真时间越长，细节和物体越容易出现偏移，音频准确性和画面文字清晰度仍有待解决。

国产模型的务实转向：价格下探与场景交付并行

月之暗面发布Kimi K3.1 Pro，总参数2.8万亿，支持100万Token上下文，继续位居全球开源模型参数规模首位。官方称其在代码、3D创作、长程Agent能力上提升显著，在Terminal-Bench 4.0测试中得分65.7%，超过GPT-6 Astra的58.2%。MiniMax则把Flash模型的Agent调用成本压低了七成。国产模型的竞争重心，正从“跑分”转向“单位任务成本”和实际交付能力。

一条值得追踪的暗线：视觉生成能否反哺语言推理

智谱与清华大学的一篇论文曝光了内部模型GLM-Omni，尝试回答一个反常识的问题：模型通过画图学到的知识，能否转化为语言推理能力。实验中，模型能正确画出指定球衣号码的比例达72%，但只用文字询问同一号码，正确率仅2%。调整训练方式后，文字问答准确率从12.57%提升至26.86%；允许模型先画图再作答，进一步提升至41.14%。这还不是产品，但它指向一个方向：多模态不只是“能看图”，而是不同模态之间的知识能否互相调用。

整体来看，这一轮AI进展的落点正在从“模型能做什么”转向“模型能替人完成什么、在什么环境里完成”。智能体卡在生态接口上，世界模型卡在仿真精度上，国产模型卡在场景交付的性价比上。方向明确，但离顺畅运转还有一段距离。