2026年过半，大模型行业正在经历一场深刻的洗牌。参数不再是护城河——三款万亿参数模型密集发布后，WAIC展馆里几乎没有参数对比的展板。推理成为新战场——算力不再只是后台资源，而是直接影响商业化的前线。端侧成为新方向——大模型正在从云端走向手机、汽车、机器人。开源正在改写规则——全球API调用前五名已全部被开源模型包揽。水木资本董事长唐劲草判断，AI产业已经进入“从投模型转向投应用、从投概念转向投

从“更大”到“更聪明”。HiLS-Attention证明了稀疏注意力可以反超全注意力；DroPE证明了位置嵌入可以被“扔掉”；GPS证明了小模型可以指挥大模型训练；Hidden Decoding证明了思考可以“折叠”进序列内部。Transformer的统治地位短期内不会动摇，但围绕它的效率革命正在全方位展开。参数规模不再是唯一叙事——如何用更少的计算、更少的显存、更少的训练数据，榨出模型更多的能力

端侧智能的能力供给已就绪，真正卡住规模化落地的，是部署侧的碎片化。端侧芯片架构天然多元——NPU、GPGPU、DSA、RISC-V AI、ARM等并存，形成“N种模型×M种芯片×K种终端”的组合。北京智源人工智能研究院牵头打造的众智FlagOS开源统一软件栈，为这一根本性矛盾给出了工程解法。2026年6月发布的FlagOS 2.1，已实现对18家厂商、32款AI芯片的全场景支持，成为全球支持芯片种

从“静态”到“动态”。持续学习让模型不再是训练一次就冻结的“死物”——Macaron-V1的MoL架构证明，模型可以在部署之后继续成长，不同学习轨迹的多样性还能催生群体智能。Richard Sutton下场创业持续学习Agent，标志着“经验时代”正在从理论走向实践。推理效率正在从“一刀切”走向“动态适配”——E-GRM让模型自己判断该快答还是该深想，JetSpec和DSpark从不同方向突破推测

本体论一词源于希腊语 onto（存在）和 logia（学问）。在亚里士多德看来，这是“第一哲学”。它不关心具体的物理定律，而是关心：世界上到底存在什么？这些存在的东西，彼此之间有什么关系？想象一个简单的场景：你的桌子上有一个苹果。物理学关心它的质量、加速度。生物学关心它的细胞、品种。本体论则关心：这个“苹果”是一个实体（Entity），它属于“水果”这个类（type），它具有“红色”这个属性（Pr

AgentScope 框架推出已经有两年的时间了。我们在上半年发布了 2.0 版本，2.0 版本主要的一个核心能力，就是把 Harness 整套方案内置到了框架里面。这也意味着我们面向的场景，主要是企业级的分布式智能体这样一个场景。本文主要从三部分来给大家介绍。第一部分是大家都关心的 2.0 主要有哪些核心能力。有一些开发者包括企业内已经非常重度地用 AgentScope 1.0 构建了很多生产级

最终，集成了所有优化的 OpAgent 整体框架（使用 Gemini-3-Pro 作为部分模块后端，Qwen2.5-VL-MFT 作为 Grounder ），在 WebArena 上达到了 71.6% 的成功率，刷新了该基准的 SOTA 记录，并登顶排行榜。对比 RL 优化前后的模型在不同 Pass@K 下的表现，可以看到随着尝试次数 K 的增加，RL优化后模型的性能优势愈发明显，Pass@5 的

Skills 是一种。

最近，基于 AI Agent 的各种手机助手在社交媒体上爆火，它能够通过 AI 自动操作手机完成下单、比价、搜索等复杂任务。用户只需说一句"帮我找最便宜的 iPhone"，AI 就能自动打开购物 App、搜索商品、对比价格并完成下单。这种"AI 接管手机"的场景，让很多人看到了未来人机交互的新形态。转换率虚高：AI 自动下单会对转换率数据造成干扰，导致业务决策误判用户路径分析失效：AI 操作的路径

最近，基于 AI Agent 的各种手机助手在社交媒体上爆火，它能够通过 AI 自动操作手机完成下单、比价、搜索等复杂任务。用户只需说一句"帮我找最便宜的 iPhone"，AI 就能自动打开购物 App、搜索商品、对比价格并完成下单。这种"AI 接管手机"的场景，让很多人看到了未来人机交互的新形态。转换率虚高：AI 自动下单会对转换率数据造成干扰，导致业务决策误判用户路径分析失效：AI 操作的路径