Monid 400 万次交易、PhoneLLM 低成本语音、Coinbase 股票接入：Agent 增长争夺可执行入口 (2026)

五条信号值得先放在一起看：Monid 把 Agent 调工具改成按次付费，Spline v2 把 3D 编辑器接上 Agent，Pipecat 用专门模型压低语音 Agent 的延迟与成本，OpenWorker 把本地安全工作做成可审计的 coworker，Coinbase 则让 Agent 进入股票和加密资产交易。它们争夺的是同一个位置：用户第一次让 Agent 完成一件具体工作的入口。

这五个案例的传播方式也很接近。团队先给出一个容易转述的动作，再把用户带到产品、模型或文档，最后用权限、评测或系统限制告诉用户这项能力能走到哪里。对 Neodrop 来说，真正值得借鉴的是这条链路，而不是把每一个新名词再抄一遍。

时间窗与方法

本期时间窗为 2026 年 8 月 4 日至 9 月 1 日（Asia/Shanghai）。入选对象需要在窗口内出现产品发布、版本发布或产品能力扩展，并且本轮能打开官方或创始人 X 原帖、官方产品页、模型卡或 GitHub 仓库来核验时间与事实。

正文把三种证据分开：公司或创始人自己公布的数字，官方页面说明的能力，X 详情页显示的传播指标。互动量可以说明一条发布内容获得了多少触达，不能直接推出留存、付费或生产部署。搜索摘要只用于找候选，正文事实都回到本轮打开的详情页。

一眼对照表

公司 / 产品	窗口内信号	数字与证据归属	增长动作	关键边界
Monid	9 月 1 日创始人发布产品与融资消息	创始人自报已完成 400 万次 Agent 交易、获得 210 万美元 pre-seed；原帖页面显示 717 个赞、50 次转发、173 条回复、约 10.8 万次浏览 1	用“发现、运行、支付工具，按次付费”把复杂的工具市场压成一次试用承诺	4M 交易和融资来自创始人原帖；公开页面没有在本轮给出留存、收入或付费客户结构
Spline v2	8 月 21 日官方账号发布重做后的 3D 编辑器	官方 X 列出 AI Agent Mode、Spline MCP、WebGPU、PBR/HDR 和自定义脚本；页面显示 1389 个赞、109 次转发、70 条回复、约 19.3 万次浏览 2	让用户从“打开编辑器”直接进入“让 Agent 生成或修改场景”的入口	本轮官方博客正文抓取为空；功能判断以原帖为准，性能和用户增长没有额外核实数字
Pipecat / Daily：PhoneLLM Alpha 1	8 月 28 日发布面向语音 Agent 的开放权重模型	模型卡给出 PhoneBench 分数、延迟和成本比较；创始人原帖页面显示 2515 个赞、247 次转发、113 条回复、约 31.9 万次浏览 3 4	用专用模型、公开 benchmark 和一键部署路径，把“语音 Agent 很慢”改成可测量的问题	评测由 Pipecat 自己设计和运行；主要训练场景为英语，模型仍需接入转写、语音合成和业务工具
OpenWorker	8 月 26 日 Andrew Ng 转发安全工作流版本；GitHub 显示 v0.2.1 于 8 月 25 日发布	原帖页面显示 3513 个赞、434 次转发、154 条回复、约 25.7 万次浏览；仓库 README 显示项目处于 open beta、17.1k stars、2.4k forks 5 6	先用本地运行、开源 harness 和安全 coworker 建立信任，再扩展到日常任务与定时自动化	beta 仍在打磨；Windows 构建尚未代码签名；模型、连接器和本机权限仍由使用者配置
Coinbase for Agents	9 月 1 日 CEO 发布股票交易接入 Agent 的消息	CEO 原帖页面显示 1491 个赞、191 次转发、190 条回复、约 15.6 万次浏览；官方文档列出 S&P 500 股票、900 多个现货交易对、隔离投资组合和 MCP / CLI 接入 7 8	把“Agent 能交易什么”接到已有的 Agent harness，再用隔离投资组合降低第一次尝试的风险	股票支持范围、投资组合隔离、交易审批和 API scope 都有具体限制；用户仍需审核并承担交易结果

Monid：先把工具调用变成一笔可计量的交易

Monid 的创始人 Shengkun Ye 在 9 月 1 日发布的原帖里，用一句“OpenRouter for agent tools”介绍产品。原帖称，Monid 已完成 400 万次 Agent 交易，并完成 210 万美元 pre-seed 融资。产品允许 Agent 在运行时发现、调用并支付工具，一条连接可以触达 1800 个 API，费用按次计算，用户无需为每个工具单独订阅。上述数字和描述都来自创始人自报。1

这里的产品入口很清楚：用户先问自己的 Agent 需要什么工具，Agent 再在运行时找到工具并完成一次调用。Monid 把 SEO、线索、搜索、电商、股票、视频、图像、音乐、3D 生成和公司数据放在同一个产品承诺里，降低了开发者逐个接入供应商的理解成本。原帖没有展示某个 API 的实际调用过程，但“发现—运行—支付”三个动作已经足够构成一次产品演示。

传播文案也沿着同一条路径走。原帖没有先解释支付协议、工具目录或计费系统，而是先给出“取消订阅”的结果，再把工具数量、交易次数和融资额放在后面。这样，读者看到的第一件事是一个习惯变化：Agent 可以按任务购买能力。页面指标显示，这条原帖获得了约 10.8 万次浏览和 717 个赞。它证明了发布内容获得触达，不能证明 400 万次交易中有多少来自持续使用。

Loading content card…

Monid 的增长动作可以拆成两个连续承诺。第一步是把开发者痛苦翻译成一句话：每个工具都要单独订阅。第二步是把承诺落到可计费的运行时交易。对工具平台来说，真正需要继续观察的是交易质量：调用是否成功，Agent 是否能正确选择工具，用户是否持续为结果付费，工具提供方又能分到多少收入。

Spline v2：把 Agent 放进创作软件的第一屏

Spline 官方账号在 8 月 21 日发布 Spline v2，原帖称这是面向 agentic 时代的 3D 编辑器重做，并列出新的界面、AI Agent Mode、Spline MCP、更快的 WebGPU 引擎、PBR/HDR 工作流和自定义代码 / 脚本。原帖页面显示约 19.3 万次浏览、1389 个赞和 109 次转发。2

这条发布消息的关键变化在于入口位置。传统 3D 编辑器先要求用户学习场景、材质、灯光和脚本；Spline v2 把 Agent Mode 和 MCP 直接列在版本更新的第一组能力里。用户可以把 Agent 当作编辑器里的协作者，让 Agent 参与生成或修改场景，再回到编辑器检查结果。

这类产品很适合使用“功能清单 + 结果画面”的传播方式。3D 软件的能力很难用一段抽象文字说明，但一个 Agent 修改场景的过程很容易录成短视频。Spline 的原帖没有公布新版本带来的用户数、付费转化或场景生成成功率，所以本期只把它当作高互动的产品扩展信号。

Loading content card…

本轮尝试打开 Spline 官方博客时，页面只返回空内容和元数据。博客标题和搜索摘要因此没有进入事实层。这个限制反而提醒了产品团队：一条高互动原帖能带来注意力，工程页和可操作 demo 才能让读者继续核验。对 Spline v2，下一步应观察 MCP 是否真的减少了创作步骤，以及 Agent 生成结果是否能稳定进入可编辑、可导出的生产流程。

PhoneLLM：把语音 Agent 的成本问题变成一张表

PhoneLLM Alpha 1 由 Daily / Pipecat 团队开发，模型卡将它定义为面向语音 Agent 的开放权重模型。模型是 NVIDIA Nemotron 3 Nano 30B-A3B 的全参数微调版本，激活参数为 35 亿，采用 bfloat16 safetensors，支持用 vLLM 或 SGLang 部署，许可信息同时列出 BSD 2-Clause 与基础模型许可。3

PhoneLLM 的增长信号来自“专用模型 + 自建评测”。模型卡的 PhoneBench v1 表格把准确度、P95 首个答案 token 延迟和每分钟成本放到同一个视图里：PhoneLLM Alpha 1 的得分为 72.3%，GPT-5.6 Terra 为 72.4%；PhoneLLM 的 P95 TTFAT 约为 600 毫秒，GPT-5.6 Terra 为 1957 毫秒；按这张表的估算，PhoneLLM 每分钟成本为 0.0025 美元，GPT-5.6 Terra 为 0.0347 美元。这组数字来自 Pipecat 自己的 PhoneBench 和成本估算，属于公司的测试结果。3

PhoneBench v1 语音 Agent 模型对照图 — *PhoneBench v1 将模型得分、首个答案 token 延迟和每分钟成本并列展示；图中数据来自 Pipecat 的自建 benchmark。3*

PhoneLLM 的原帖把相同逻辑再压缩了一次：语音 Agent 需要低延迟、准确调用工具，PhoneLLM 在典型语音 Agent 任务上达到接近 GPT-5.6 Terra 的表现，同时降低延迟与成本。原帖页面显示约 31.9 万次浏览、2515 个赞和 247 次转发。模型卡又把权重、部署命令、benchmark 和成本表全部接上，读者可以从传播内容直接进入试用路径。4

Loading content card…

PhoneLLM 的边界同样写在模型卡和原帖讨论里。完整的电话 Agent 还需要语音转写、语音合成、网络传输、业务工具和身份验证；模型卡的主要新场景数据是英语。创始人在回复中还建议把温度设为 0，并使用简单、清晰的工具定义。这样看，PhoneLLM 的产品价值是把 LLM 这一段的成本和延迟压下来，整条电话链路是否足够快，仍要由部署方用自己的流量测试。

OpenWorker：把“本地”变成信任产品

Andrew Ng 在 8 月 26 日发布的原帖介绍了 OpenWorker 的新版本。OpenWorker 是一个运行在桌面的开源 AI coworker，原帖称新版本加入了代码漏洞扫描、依赖供应链注入扫描和云安全配置检查。使用者可以选择本地开放权重模型，也可以接入外部 API；harness 开源后，安全团队可以审查 Agent 周围的工具与数据路径。5

GitHub README 把这套定位写得更完整：项目处于 open beta，支持 macOS 和 Windows，提供安全审查、云配置、事件响应、日常工作和定时自动化等 coworker；用户可以自带模型密钥，也可以通过 Ollama 使用本地模型。README 还说明，工具调用会记录审批来源，危险且不可逆的操作保留人工确认，未处理的无人值守请求会进入待处理收件箱。6

GitHub 页面显示仓库在 8 月 25 日发布 v0.2.1，当前页面显示约 17.1k stars、2.4k forks。这个页面状态可以说明项目在开源社区获得了一定关注，不能直接换算成活跃安装数或生产用户数。6

Loading content card…

OpenWorker 的增长入口和一般的桌面 Agent 有所区别。团队先用“安全团队可以审计 harness”回答信任问题，再用安全 coworker 提供一个具体任务。用户不是先下载一个什么都能做的通用助手，而是先把代码、依赖或云配置交给一个有明确工作边界的工具。安全扫描结果还能形成报告和修复建议，产品因此拥有适合分享和复用的结果单元。

项目的风险也很具体。README 显示 Windows 构建尚未完成代码签名，用户会看到 SmartScreen 警告；本地运行并不代表所有数据都留在本机，因为使用者选择的模型和连接器仍可能接触数据；开源 harness 方便审计，却没有自动保证每一个模型判断都正确。安全 coworker 的价值需要由扫描器、复核流程和审批记录共同支撑。

Coinbase for Agents：把权限配置放到第一次交易前

Coinbase CEO Brian Armstrong 在 9 月 1 日发布原帖，称用户的 Agent 现在可以在加密资产、衍生品之外交易股票，并把读者指向 Coinbase for Agents 文档。原帖页面显示约 15.6 万次浏览、1491 个赞和 191 次转发。Coinbase Developer Platform 更早的官方原帖把股票研究、情绪分析、持仓跟踪和执行交易列为股票接入后的动作。7

官方文档把接入路径分成 MCP 和 CLI。远程 MCP 连接到 https://agents.coinbase.com/mcp，支持的 harness 包括 ChatGPT、Claude 和 Claude Code；其他或自定义 harness 可以使用 CLI。文档建议先建立单独的 Advanced portfolio，只放入愿意承担风险的资金，再把 Agent 的访问范围限定在这个 portfolio。8

文档列出的能力包括 Coinbase Advanced Trade 上 900 多个现货交易对、美国衍生品、S&P 500 股票、组合管理和 USDC / USD 转换。交易工具同时提供订单预览与订单执行，API key 可以分别配置 portfolio、Trade 和 Transfer 权限；Transfer 只允许在 portfolio 之间转移，不能直接提取到外部地址。8

Loading content card…

Coinbase 的增长动作不是先说“Agent 会自动投资”，而是先把 Agent 接入一个开发者已经熟悉的交易基础设施，再把隔离 portfolio、订单预览和权限 scope 放在首次配置路径里。用户可以先让 Agent 读取市场和组合，再决定哪些账户、资产和写操作需要打开。这个顺序降低了理解门槛，也把高风险动作显式化。

资产交易的边界必须保留在产品正文里。官方文档提醒，Agent 可能误解指令、产生错误，Coinbase 不保证 Agent 行为的准确性，交易、转账和账户变更仍由用户审核并承担责任。高推文互动可以为产品带来入口，隔离账户和审批流程才决定这个入口是否适合真实资金。

可复用打法抽象

五个案例的共同点集中在四个动作上。

把新能力翻译成一个第一次动作。 Monid 是让 Agent 找工具并按次支付，Spline 是让 Agent 参与场景编辑，PhoneLLM 是接入电话 Agent，OpenWorker 是扫描代码或云配置，Coinbase 是读取市场并执行指定订单。读者先看到自己要做什么，再理解背后的系统。
让原帖和产品入口指向同一个动作。 Monid 的原帖指向工具交易，Spline 的原帖指向 Agent Mode 和 MCP，PhoneLLM 的原帖指向权重和部署，OpenWorker 的原帖指向 GitHub，Coinbase 的原帖指向 Agents 文档。原帖承担触达，详情页承担试用和核验。
把数字归属写在数字旁边。 400 万次交易、210 万美元融资、PhoneBench 分数、模型成本和仓库 stars 都有明确的发布者。公司自报数字可以作为增长信号，媒体核实或独立复核出现前，不能把它们写成行业事实。
把边界安排在增长路径里。 PhoneLLM 说明模型只是电话链路的一段，OpenWorker 说明本地和开源仍需权限治理，Coinbase 直接说明资金和审批边界，Spline 暂时留下性能与转化数据的观察位。用户越接近真实系统，边界越应该出现在第一次试用前。

对 Neodrop 的可执行借鉴

下面的动作按一周内可以落地的粒度写，分别对应 Channel、Source 和多载体分发。

把日报固定成“信号卡”。 每家公司先只展示五个字段：发生了什么、数字属于谁、用户第一步做什么、原帖在哪里、能力边界是什么。长文负责解释机制，卡片负责让读者完成第一次筛选。
为每个案例建立 Source 链。 第一层放官方产品页或博客，第二层放一线媒体核实稿，第三层放官方 / 创始人 X 原帖，第四层放 GitHub、模型卡或技术说明。每个数字只挂在真正拥有它的页面上。
把一篇长文拆成三个载体。 长文回答“为什么这样做”，X 贴承担发现入口，短版清单承担下一步动作。三种载体共享同一组 cite，读者从任何入口进入都能回到原始详情页。
新增“入口—试用—边界”字段。 每个 Channel 选题都要记录一个可执行入口、一个最小试用任务和一个不可忽略的限制。这个字段会让产品发布、案例拆解和风险段落使用同一套骨架。
建立 Founder-led 结果清单。 每天记录创始人或官方账号发布的具体动作、原帖互动、产品链接和后续结果。互动量只用来排选题顺序，留存、付费、部署和失败恢复另行记录。
把样稿骨架保留为可再编辑模板。 继续使用“窗口与方法—对照表—案例—打法—Neodrop 清单—风险”顺序。每次替换案例和证据，不改动栏目逻辑；引用跟随事实单元移动，避免发布后失去出处。

风险与下一期观察点

本期五个案例都有明显的能力落差。Monid 的 400 万次交易和融资额来自创始人自报，暂时缺少留存、收入和交易成功率；Spline v2 的高互动原帖确认了功能方向，官方博客正文本轮无法读取，性能、用户数和付费转化仍待补证；PhoneLLM 的成本与延迟来自 Pipecat 自建 benchmark，模型仍需要接入完整语音链路；OpenWorker 的开源和本地设计增强了可审计性，beta、签名、模型和连接器配置仍会影响实际使用；Coinbase 的股票交易入口把 Agent 接近真实资产，也把误操作和资金责任推到用户面前。

下一期重点观察六类可复核信号：Monid 是否公开交易留存和工具调用成功率；Spline MCP 是否带来更多可编辑、可导出的生产场景；PhoneLLM 是否出现真实客户的通话结果和多语言评测；OpenWorker 是否从 beta 进入更多稳定版本与部署案例；Coinbase 是否扩大股票范围并改进 hosted harness 的执行一致性；五家公司的原帖互动是否继续转化为试用、付费或公开反馈。只有这些结果出现，发布动作才会变成可以确认的增长。