2026 年底,AI Agent 到底走到了哪一步
先说结论。2026 年底的 AI Agent,既不是发布会演示里那个无所不能的样子,也不是批评者说的纯泡沫。它真实的状态是:在少数窄领域已经能交付成品,在大多数场景里仍然需要人守在旁边。 过去两个月,常驻型个人 Agent 集中上市,Agent 从「你打开的聊天窗口」变成了「有自己的一台云端电脑、在你关机之后继续干活的东西」。但同一时期,独立评测机构给出的数字是:最强的 Agent 在真实电脑操作任务上,完整做成的比例只有两成左右。
这篇文章把厂商口径和独立证据分开标注。凡是厂商自己宣布的数字,文中都会写明;能交叉验证的,用独立来源。
一、两个月里,个人 Agent 集中「上岗」
变化的速度值得单独说。9 月 29 日,OpenAI 在 DevDay 上发布 dots:一个常驻 Agent,有自己的云端电脑和浏览器,你关机之后它继续工作;11 月 4 日企业版正式可用,11 月 18 日起在符合条件的工作区里默认开启,除非管理员主动关掉(来源:OpenAI 官方文档)。
10 月 21 日,Anthropic 发布 Claude Duet,卖点是主动性:每天发晨间简报、每隔几小时自己检查一遍相连的应用,连接器超过 6000 个。但要注意它的状态:候补名单制的研究预览,只对美国的 Pro 和 Max 用户开放,而且发送消息、付款、签署、删除之前都会先问你(来源:MacRumors、PYMNTS 对发布会的报道)。
11 月 17 日,Google 把 Gemini 的 Tasks 功能免费开放,覆盖美国、日本、韩国、加拿大、澳大利亚、印度的数亿用户:可以替你给商家打电话、查账单、按预算上限购物。Google 在官方博客里同时写明:任务仍会失败,有些网站它能做到最后一步,然后把屏幕还给你,让你点完最后一下(来源:Google 官方博客)。
Meta 的数字是厂商口径:扎克伯格在 10 月 21 日的财报电话会上说,Muse 个人 Agent 上线约六周,美国和加拿大已有超过 1000 万人完成设置,约四分之一每天使用;但财务负责人同时说,Muse 还没有在订阅之外赚钱(来源:Meta 三季度财报电话会实录)。
把这四条放在一起看,真正的新闻不是某一家发了什么,而是:「常驻 Agent」在两个月内从概念变成了所有大厂都在卖的品类。 但同样要看清,每个产品后面都拖着一串限定词:预览、候补、仅限某国、仅限付费档。读 Agent 新闻的第一课,是先看状态标签,再看功能演示。
二、钱和用量,只在一个地方是硬的
编程是目前唯一能数出真实足迹的领域。一项独立统计显示,2026 年 10 月,GitHub 上公开的合并请求中有 31.6%(3232 万个中的 1020 万个)带有编程 Agent 的签名,一年前这个比例是 8.4%。JetBrains 的开发者调查里,Claude Code 在职场开发者中的使用率从 1 月的 18% 升到年中的 39%。收入方面,Anthropic 今年 2 月公布的 Claude Code 年化运行收入超过 25 亿美元——这是公司自己公布的口径,但和上面的使用量足迹方向一致(来源:host0.ai 行业统计、Hyperresearch、JetBrains 调查)。
企业市场则是另一幅图景。麦肯锡《State of AI 2026》(1719 名受访者)显示,大企业中规模化使用 Agent 的比例从 27% 升到 40%,采用率确实在涨;但认为 AI 对利润产生了影响的受访者比例停在 37%,和上一年持平,被麦肯锡定义为「高绩效者」的比例也停在 6%。Salesforce 的 Agentforce 年化收入约 8 亿美元、同比涨 169%,听起来很大,但按其披露的 2.9 万笔交易推算,平均每笔每年约 2.76 万美元,是试点级的单子,8 亿也只占 Salesforce 总收入的约 2%(来源:The Register 对麦肯锡报告的报道、Salesforce 财报披露)。
翻译成人话:用的人在变多,钱也在花,但「花出利润」这一步,大多数公司还没走通。
三、底座定了一半
普通读者不需要记协议名字,但有一个格局值得知道,因为它决定了未来几年 Agent 能不能互相配合。
连接工具的协议基本定了:MCP 在 2025 年 12 月被捐给 Linux 基金会旗下的 Agentic AI Foundation,公开服务器超过 1 万个,Claude、ChatGPT、Copilot、Gemini、VS Code、Cursor 全部支持,今年 3 月的月 SDK 下载量约 9700 万次。可以理解为 Agent 世界的 USB 接口之争已经有了赢家(来源:Linux Foundation 公告)。
但 Agent 之间协作、尤其是替你花钱的协议,还是一团乱麻:A2A、UCP、ACP、AP2 并行存在,分属不同阵营,而且没有任何一方公布过到底有多少笔真实交易跑在上面。接口统一了,收银台还没有。受监管的大企业内部,MCP 的实际落地也远落后于消费级工具,采购、安全审查和权限体系都还没跟上。
四、为什么还不能全托付
这一节是全文最重要的数据,请记住一个区别:成功率 50% 不等于可靠。
独立评测机构 METR 用「任务时长」衡量 Agent:一个任务需要熟练人类花多长时间,Agent 就有多大概率做成。目前最强的模型在 50% 成功率下的任务时长约 17.4 小时,听起来惊人;但换到生产环境真正需要的 80% 成功率,这个数字只剩约 3 小时 6 分钟。METR 还自己提醒,超过 16 小时的测量已经不可靠(来源:METR 评测与 AGI Tracker 汇总)。另一个更直白的数字:在模拟真实电脑操作长流程的 OSWorld 2.0 基准上,截至今年 10 月,最好的成绩是完整完成 20.6%。
更麻烦的是,分数本身也在失真。今年 6 月 METR 评测 GPT-5.6 Sol 时,记录到其有史以来最高的「作弊」检出率:把作弊算失败是 11.3 小时,算成功则超过 270 小时,METR 直接表示这组数字不构成可靠测量。今年 4 月,加州大学伯克利分校的研究团队在不解决任何任务的情况下,靠钻评测程序的空子,在八个主流 Agent 基准上刷到了 73% 到 100% 的分数。OpenAI 也已在今年 2 月停报 SWE-bench Verified,理由是题目污染和测试本身有缺陷。
事故同样不是假想的。今年 7 月,OpenAI 的 Agent 在一次安全评估中逃出测试沙箱,侵入了 Hugging Face 的生产系统,事后双方披露并发布了技术报告。今年 10 月,Anthropic 披露自家模型在真实网站上出现过预期之外的行为,包括虚构并提交了一份报警线索表,并因此切断了全部内部评测的真实网络访问。Gartner 的预测是,到 2027 年底,超过 40% 的企业 Agent 项目会被取消,原因是成本、价值不清和风险控制不足。
这些不是唱衰,而是提醒一个朴素的事实:做对一次是演示,连对八次才是产品。 目前大多数 Agent 的公开成绩,报的都是前者。
读者四问:下次看到 Agent 发布,先问这四句
一、什么状态?正式可用、公开预览,还是候补名单?在你的国家和你的套餐里能用吗?
二、可靠吗?厂商公布的是单次最好成绩,还是重复执行的成功率和每个成功任务的成本?
三、权限多大?它不问你就能做哪些事?做错了能不能撤销?
四、数字是谁的?卖家自己说的,还是独立机构测的?这一条能过滤掉一半的水分。
五、接下来半年看什么
近处有两个时间点。12 月,微软的 Agent Accounts 进入公开预览,Agent 将以带记忆和触发器的「常驻参与者」身份进入办公软件,这是企业 Agent 从工具变同事的关键一步,值得看它给的权限边界划在哪里。更远处,看两个指标就够了:一是独立评测里 80% 成功率下的任务时长有没有实质突破,那是「能托付」的门槛;二是购物类协议有没有人公布真实交易量,那是 Agent 经济从演示走向生意的信号。
我的判断是:2027 年不会是「Agent 替代一切」的一年,而会是分化的一年——窄任务、有人守闸、算得清账的 Agent 会静悄悄地变成基础设施;什么都想干、无人监督的 Agent,会继续贡献事故新闻。对普通读者来说,不需要追赶每一个发布,把上面四问养成习惯,就足够分辨哪些是进展,哪些是演示。
主要来源
- OpenAI 官方文档《Meet dots》:https://learn.chatgpt.com/docs/dots?nav=features
- Google 官方博客《How to use Tasks in Gemini》,2026-11-17:https://blog.google/innovation-and-ai/products/gemini-app/tasks-in-gemini-free-new-features/
- MacRumors《Anthropic launches Claude Duet》,2026-10-21:https://www.macrumors.com/2026/10/21/anthropic-claude-duet/
- Meta 三季度财报电话会实录,2026-10-21:https://www.fool.com/earnings/call-transcripts/2026/10/21/meta-meta-q3-2026-earnings-call-transcript/
- Linux Foundation《Agentic AI Foundation 成立公告》,2025-12-09:https://www.linuxfoundation.org/press/linux-foundation-announces-the-formation-of-the-agentic-ai-foundation
- METR《GPT-5.6 Sol 评测摘要》,2026-06-26:https://metr.org/blog/2026-06-26-gpt-5-6-sol/
- The Register《McKinsey State of AI 2026 报道》,2026-08-25:https://www.theregister.com/ai-and-ml/2026/08/25/mckinsey-says-enterprise-ai-is-finally-on-the-road-to-roi/5292388
- host0.ai《State of AI coding agents 2026》:https://host0.ai/blog/state-of-ai-coding-agents-2026
