科技Bestblogs·腾讯科技··AI 生成
Agent 跌跌撞撞进入世界｜2026 Q2 AI 趋势总结
2026年Q2，AI Agent从演示走向实际应用，通用Agent成为新入口，浏览器角色发生转变。Tokenmaxxing热潮因高昂成本与低效反馈而退潮，多智能体、自进化AI（RSI）等技术路线并行发展。CPU重新成为算力核心，模型价格出现极端分层。文章同时指出了Agent带来的就业替代、信息污染和认知依赖等社会挑战。适合关注AI产业落地与前沿趋势的从业者阅读。原文 ↗原文 ↗
核心观点
- ▍2026 Q2，通用Agent（如Codex、Claude Code）已从对话工具演变为能直接操作文件、终端和企业系统的通用入口，浏览器从总入口降级为工具箱。
- ▍Tokenmaxxing热潮快速退潮，其核心矛盾在于Agent任务导致Token消耗激增，但有效反馈仅占约10%，剩余90%消耗在重读、试错和无效往返上，导致成本失控且产出未同步提升。
- 01通用Agent如OpenClaw、Codex和Claude Cowork能将AI从对话框拉出，直接操作文件、终端和本地应用。
- 02MCP（Model Context Protocol）和Harness等框架使模型公司能复用底层Agent，仅需补充行业知识和规则即可快速构建金融、法律等垂直Agent。
- 03哈工大提出的「有效反馈算力」概念显示，在复杂Agent任务中，真正影响下一步的信息比例低至约10%。
- 04多智能体系统通过编排者-执行者模式（如Claude Research、Kimi Agent Swarm）提升并行效率，但缺乏真实合作，导致准确率下降。
- 05自进化AI（RSI）通过自优化代码可在特定任务上实现50倍加速，但在价值判断的「品味」上仍逊于人类。
- 06工具处理（Tool Calling）占Agent任务延迟超过90%，CPU因负责并发调度和内存管理而重新成为算力核心，GPU更多在等待I/O和调度开销。
- 07模型价格出现极端分层，便宜模型处理日常步骤，昂贵模型负责关键决策，Fugu等路由方案可在半成本下达顶级效果。
- 08Agent广泛应用引发初级岗位被替代、前沿模型受安全限制、AI生成内容污染搜索以及人类过度依赖AI导致思考能力下降等社会挑战。
反方 / 局限
- — 多智能体系统目前仍缺乏真正的群体智能，其「合作」本质上是并行任务分配，而非智能体间的动态协商与信息共享。
- — 自进化AI（RSI）在价值判断上存在根本性局限，机器可以快速交答案，但人类仍需判断题目值不值得做、答案会带来什么后果，并为此负责。
前置背景
技术原理
平行视角
未来推演
延伸追问