AI 编程情报：Sonnet 5、JetBrains 代理与评测飞轮 (2026)

过去一天的 AI 编程进展集中在三个可执行层：更便宜的强代理模型、进入 IDE 与团队工具的代理入口、以及把「代理好不好用」变成可重复评测的工程系统。Anthropic 发布 Claude Sonnet 5，GitHub 同步把它接入 Copilot；GitHub 与 JetBrains 又把 Copilot Agent 放进 JetBrains AI Assistant 的代理选择器；Google 则把代理工作流和评测飞轮推给开发者。1 2 3 4 5

信号	发生了什么	影响对象	下一步看点
Sonnet 级模型继续下探成本	Anthropic 称 Claude Sonnet 5 面向更强代理任务，在 Claude Code 与 Claude Platform 可用，并给出 8 月 31 日前每百万输入 token 2 美元、输出 token 10 美元的介绍价。1	使用 Claude Code、Claude API 或多模型路由的团队	用本团队真实任务测「更低成本是否仍能完成长任务」，不要只看发布方 benchmark。
Copilot 增加 Sonnet 5 选项	GitHub 表示 Claude Sonnet 5 已面向 Copilot Pro、Pro+、Max、Business、Enterprise 用户逐步开放，可在 VS Code、Visual Studio、Copilot CLI、GitHub Copilot cloud agent、GitHub Mobile、JetBrains、Xcode、Eclipse 等入口选择。2	已购买 Copilot 的个人与企业团队	管理员需要检查模型策略、计费口径和数据保留要求。
JetBrains 里的代理入口升级	GitHub Copilot 现在是 JetBrains AI Assistant 代理选择器中的一等选项，可选 Copilot 模型、调节推理深度，并把多步骤编码任务交给代理处理。3	JetBrains IDE 用户、混用 JetBrains AI Assistant 与 Copilot 的团队	关注后续 NES、Skills 与更深工具编排是否能减少 IDE 间来回切换。
代理应用开始「图式编排」	Google 发布 ADK for Go 2.0，新增图式工作流引擎、内置人工确认、动态编排和统一节点运行时；其核心表述是「图也是一个 agent」。4	用 Go 构建生产代理应用的后端团队	把分支、并发、暂停恢复和人工审批从临时控制流升级为显式工作流。
代理评测从「感觉变好」转向闭环	Google 的 quality flywheel skill 把准备数据、运行推理、评分、失败分析、优化迭代串成循环，并强调优化器不能给自己的结果打分。5	做自研 agent、RAG agent 或企业内部工具的工程团队	重点不只是引入评分，而是把失败聚类、基线对比和人工批准接进发布流程。
领域工作台继续出现	Anthropic 发布 Claude Science beta，面向科研工作流集成常用工具、可审计产物、计算资源和 60 多个科学数据库 / 技能 / 连接器，并在输出中加入 reviewer agent 检查引用和计算。6	科研、生命科学与企业研发团队	看它能否在敏感数据、可复现计算和专家复核之间找到可采购的平衡。

模型层：强代理能力正在从旗舰款向日常款扩散

Anthropic 对 Sonnet 5 的定位很明确：它不是只面向聊天的中档模型，而是要把更强的计划、工具使用、编码和知识工作能力下放到 Sonnet 级别。官方称 Sonnet 5 接近 Opus 4.8 的部分能力，但价格更低；介绍价结束后，API 定价将变为每百万输入 token 3 美元、输出 token 15 美元。1

对工程团队来说，真正有用的不是「更聪明」这个词，而是两件可测试的事：第一，Sonnet 5 能否在你们的真实仓库里减少中途停摆；第二，它是否能把原本只敢交给更贵模型的任务，下放到更可控的成本区间。Anthropic 的客户引语显示，早期测试方看重的是多步骤软件工程、调试、验证和遵循约定的能力；这仍属于厂商与合作伙伴口径，应该用自己的历史任务复核。1

GitHub 的同步接入让这个模型变化更快进入日常开发面板。Sonnet 5 在 Copilot 中按 Usage Based Billing 计费，企业与商业版管理员可通过模型策略开启；GitHub 还特别说明，和其他 Sonnet 模型一样，Copilot 内的 Claude Sonnet 5 采用 Zero Data Retention。2

入口层：代理不只在独立 App 里等命令

GitHub 与 JetBrains 的更新说明了一个清晰方向：代理入口会贴近开发者已经打开的工具。开发者在 JetBrains AI Assistant 的聊天界面中选择 GitHub Copilot 后，可以把多步骤任务交给 Copilot，让它理解项目、提出修改、运行命令并迭代。3

这类整合的关键不是「多了一个按钮」，而是上下文归属变了。过去很多团队在 IDE、终端、Web 版代理和项目管理工具之间复制问题；现在供应商都在争夺「任务被提出的那一刻」。GitHub 预告的 Next Edit Suggestions、Skills 和更深工具编排，也指向同一件事：让代理既能理解当前编辑现场，也能调用复用能力完成更长链条。3

工程层：评测和编排成为代理产品的基础设施

Google 的 ADK for Go 2.0 把生产代理的常见难点拆得比较实在：真实 agent 应用会分类、分支、并发、请求人工批准、失败重试、循环直到完成。它把这些行为表达为图节点和边，由调度器处理并发、状态持久化、暂停与恢复。4

这对后端团队的含义是，代理编排不应该长期停留在「一堆 if-else + prompt 拼接」。如果任务有审批、重试、并发专家代理、人工补输入或跨进程恢复，显式工作流比临时脚本更容易审计，也更容易定位一次失败到底发生在哪个节点。ADK 2.0 还把 human-in-the-loop 做成内置原语，节点可以暂停并等待人类回应，后续再恢复执行。4

同一天，Google 还发布面向 coding agent 的 quality flywheel skill。它把评价拆成五步：准备评测数据、运行代理生成 traces、用 AutoRaters 或自定义指标评分、分析失败、优化后与基线对比。这里最值得抄作业的一条原则是：提出修复的优化器和给修复打分的评估器必须解耦，否则系统会学会迎合指标。5

Google 的案例也提醒，通用评分并不总能暴露你最关心的失败。它在旅行规划 agent 示例中，为「用户中途修改后是否被最终方案采纳」单独做了 revision_honored 指标，才把失败从混合分数中拆出来。对企业 agent 来说，这比单纯追求一个高分更重要：客服 agent、报销 agent、代码 agent 各自最怕的失败不同，指标也应该不同。5

应用层：领域代理开始要求可审计产物

Claude Science 值得单独看，不是因为「科研」这个垂直领域本身，而是因为它把领域代理的采购问题说得更清楚：科研人员不只需要聊天，还需要数据、代码、图表、计算环境、引用检查和可复现实验记录。Anthropic 称 Claude Science 可以在本机、远程机器、HPC 登录节点或 Modal 计算资源上工作，并生成带代码、环境和消息历史的可审计产物。6

它还把 reviewer agent 放进流程，用于检查引用、不可追溯数字和图表是否与代码一致。这个设计比「能写论文草稿」更接近真实组织的要求：结果能不能复核，敏感数据是否留在原基础设施中，专家能否在关键步骤前批准或撤销决策。6

对读者的直接判断

如果你负责开发者工具选型：本周应把 Sonnet 5 加进真实任务回放，而不是只看模型榜单。重点记录完成率、人工接管点、每个任务成本和失败类型。
如果你在做自研 agent：评测指标要从业务风险倒推。一个统一总分很容易掩盖「用户修改未被采纳」「最终回答与内部状态矛盾」「工具调用成功但用户结果错误」这类高风险问题。
如果你在企业里推动 AI 应用落地：不要只问「能不能自动完成」。更该问：能否暂停等人批准，能否恢复，能否解释每一步的依据，能否在发布前用基线数据证明没有回退。
如果你关注 AI 编程行业竞争：今天的焦点不是单个 IDE 谁多一个模型，而是代理能力正在被拆成模型、入口、编排、评测、治理五层；未来的差异会出现在这些层之间的闭环速度。

AI 编程情报：Sonnet 5、JetBrains 代理与评测飞轮