从云端电脑到一百万 skills：Agent 正在争夺持续执行环境｜7月30日精选
ChatGPT Work 的持久化电脑设想、Grok Build 的一键发布和 ARC-AGI-3 的 harness 数据，说明 agent 的下一道门槛是持续环境、权限治理与可复现实验。
窗口：北京时间 2026 年 7 月 30 日 00:15 至 7 月 31 日 00:05。对应 UTC 7 月 29 日 16:15 至 7 月 30 日 16:05。
今天最值得追的变化，不是又多了一个聊天入口，而是 agent 开始争夺一套能持续保存状态、调用权限、运行任务并把结果发布出去的环境。Peter Yang 想要一台带认证浏览器的云端电脑，Rauch 展示了从提示词直接发布应用的路径；Levie 和 OpenAI 的信号则提醒，环境越强，成本、权限和评测设置越不能藏在产品宣传后面。
先看结论
- 持久化环境正在成为 agent 产品的下一道门槛：插件和定时任务解决了调用问题，但跨任务保存项目、工具、文件和登录状态，才接近「可以关掉笔记本」的工作方式。
- 分发层正在从应用商店下沉到 agent 能直接安装的技能目录。Rauch 称 skills.sh 在六个月内达到 100 万个以上已发布 skills；这个数字是他的帖子口径，目录页面能确认其定位是可复用的 agent 能力，但不能替代独立的历史计数。
- 模型分数不是模型单体属性。OpenAI 在 ARC-AGI-3 上披露，同一 GPT-5.6 Sol 通过保留 reasoning 和 compaction，公开集分数从官方 harness 的 13.3% 提高到 38.3%，输出 token 约减少 6 倍。评测 harness、上下文管理和工具调用，已经是 agent 能力的一部分。
1. Agent 想要的不是浏览器，而是一台有记忆的电脑
Peter Yang 对 ChatGPT Work 的判断很具体：他认为当前产品可以通过插件连接 Gmail、Google Drive 和 Slack，可以在云端运行定时任务，也有面向公开网站的云浏览器；但他希望下一步拥有持久化的项目、文件、工具和工作环境，以及能保存登录状态的浏览器配置。这里的「当前能力」是 Peter 对产品的理解，不是 OpenAI 的完整产品规格；他的核心诉求是让 agent 在任务之间保留上下文和权限，而不是每次从一个空白会话重新开始。1
Loading content card…
这和前几天「手机上也能交代长任务」的信号不同。新问题不是 agent 能不能替你执行一次任务，而是它能否在第二天继续使用同一套文件、工具和身份。对企业来说，这同时把便利变成了治理问题：哪些登录状态可以复用，哪些数据能跨任务保留，谁可以撤销 agent 的权限，都需要产品层明确回答。
2. 从一句 prompt 到可发布软件，中间那层正在被产品化
Rauch 说，Grok Build 生成的应用由 Vercel 提供 hosting 和 CDN；用户只需提示 Grok 生成软件，再点击发布，就能把游戏、网站、内部应用或个人软件交付给一个用户或更大规模的用户。帖子没有给出部署限制、成本、权限模型或稳定性数据，因此这里能确认的是产品入口和部署承诺，不能把它写成「任何应用都能一键上线」。2
Loading content card…
同一窗口里，Rauch 又称 skills.sh 在六个月内达到 100 万个以上已发布 skills。skills.sh 的页面将 skills 定义为可复用的 agent 能力，并列出 Claude Code、Cursor、Codex、Copilot、Gemini 等多个 agent 入口；这解释了为什么技能数量比单个应用的下载量更接近基础设施指标。34
但数量不是采用率。目录里的 skill 是否可靠、能否升级、权限是否过宽、不同 agent 是否真的兼容，才决定它会不会成为长期依赖。上一期关注的是 skills 如何进入工作流；这次更进一步，问题变成了谁来维护这些可执行知识，以及它们如何被验证。
3. 推理价格可能下降，但企业权限不会自动变简单
Levie 不认同「最有经济价值的推理任务会把价格推到极高」这一推演。他的理由是，模型提供商和基础设施公司都会争夺这些工作负载，市场竞争会继续压低价格，直到产能跟上需求。这个判断是 Box CEO 的行业观点，不是价格预测或独立市场数据。5
Loading content card…
价格下降并不等于企业可以直接放开 agent 权限。Levie 在另一条帖子中把 agent 沙箱事件带来的企业工作列得很清楚：限制 agent 只能访问被授权的数据，保留审计轨迹，区分确定性与非确定性系统，并准备快速阻断失控 agent。他还指出，即使 agent 是善意的，「找出某项目的全部重要知识产权」也可能沿着过期权限一路读到本不该暴露的数据。6
这条链可以压缩成一句话：便宜的推理扩大了调用范围，持久化环境扩大了权限范围。企业真正要买的不会只是更低的每 token 价格，而是可撤销的身份、可追溯的过程和能把 agent 关掉的运行层。
4. 评测、游戏和科学发现，都在把「模型能力」推回工作流
Steipete 对 ARC-AGI-3 的吐槽只是一条个人反应，但它指向了一个可验证的评测问题：OpenAI 官方复盘称，ARC-AGI-3 的通用 harness 会丢弃模型的 reasoning，并用滚动截断丢掉更早的行动记录；改用 Responses API 保留 reasoning，再启用 compaction 后，GPT-5.6 Sol 在公开集的 RHAE 分数从 13.3% 到 38.3%，输出 token 约减少 6 倍。OpenAI 也明确提醒，这个结果测到的是模型、API 设置、harness、上下文管理和提示词的组合，而非模型孤立能力。78
Loading content card…
Peter Yang 对游戏的判断与此形成了产品侧的对应关系：AI 可以一次生成漂亮图形，但核心循环、成长系统和故事仍然难以一次做对；近期更现实的路径，是游戏团队用 AI 减少繁琐工作，同时保留人的品味来做成品。9
Google Labs 对 Lyria 3.5 的介绍也没有只说「模型更强」，而是落到了 Flow Music 的控制面：更准确地遵循创作方向、设置精确 BPM、导出 stems，以及更有表现力的歌声和更自然的编曲。这是同一条产品规律的另一种表现：模型能力只有进入可操作的工作流，用户才知道它到底改善了什么。10
5. 仍在跟踪区
- Sam Altman 称，OpenAI「非常接近」能显著加速科学发现的模型，并主张赋能科学家，而不是由模型公司替科学家决定问题。没有模型名称、时间表或可复现实验，这条先作为方向判断保存。11
- Zara Zhang 认为，真正有优势的人需要同时具备深领域经验和持续采用 AI 新工作方式的能力；她还说，面向真实用户的营销反馈会直接改善产品。两条都是个人判断，适合放在招聘与产品验证的观察栏，不足以推出普遍的就业结论。1213
- Ryo Lu 只用一句「your agents, anywhere」宣布 Cursor 登陆 iOS，没有补充可用范围、认证方式或任务边界；因此这里只记为移动端入口信号，不扩写成完整产品能力。14
本期的判断边界也很明确：持续环境、技能分发和 harness 设计正在变成 agent 产品的一部分，但「一百万 skills」「接近科学发现」和「市场会压低推理成本」分别来自公司高管或个人帖子，不能当作独立验证后的行业定论。真正值得继续追的是三件可核验的事：持久化浏览器如何做权限隔离，技能目录如何做质量与升级管理，以及下一轮 agent eval 是否把运行环境写进公开方法。
References
- 1Peter Yang：ChatGPT Work 与持久化云端电脑
- 2Guillermo Rauch：Grok Build 应用的发布路径
- 3skills.sh：The Agent Skills Directory
- 4Guillermo Rauch：skills.sh 的数量口径
- 5Aaron Levie：推理需求与市场竞争
- 6Aaron Levie：agent 沙箱事件与企业治理
- 7OpenAI：ARC-AGI-3 的 harness 设置与结果
- 8Peter Steinberger：对 ARC-AGI-3 结果的质疑
- 9Peter Yang：AI 与游戏制作
- 10Google Labs：Lyria 3.5 进入 Flow Music
- 11Sam Altman：科学发现与模型
- 12Zara Zhang：领域经验与 AI-native 工作方式
- 13Zara Zhang：营销与产品反馈
- 14Ryo Lu：Cursor on iOS
Related content
- Sign in to comment.