AI 智能体进入新阶段：GPT-6、Claude 5.5 与 Qwen Code 改变 Agent 开发

如果把过去两年的 AI Agent 发展放在一起看，会发现一个明显变化。早期的 AI Agent，核心讨论通常集中在 “模型能不能调用工具”。开发者给大模型一个函数，让它决定什么时候搜索、什么时候查询数据库、什么时候执行代码，Agent 就基本搭起来了。但到了 2026 年，这套理解已经越来越不够用了。

最近几个月，OpenAI、Anthropic 和 Qwen 都在持续强化 Agent 的另一组能力：更长时间运行的任务、更复杂的工具调用、多 Agent 协作、代码执行、浏览器操作、上下文管理以及后台任务。尤其是在 GPT-6 系列出现之后，模型本身的能力已经不再只是 Agent 的一个 “推理模块”，而开始直接影响 Agent 能够完成多复杂的任务。

OpenAI 在 9 月推出公开测试版 Agents API，把 Codex 使用的执行框架直接开放给开发者；GPT-6.1 Sol 支持 Multi-agent，可以让主 Agent 将任务拆分给多个子 Agent 并行执行。Anthropic 也在持续强化 Claude 模型在 Agent 工作流中的效率。10 月 7 日发布的 Claude Haiku 5.5 被官方定义为其目前最快、最便宜且能力最强的小模型，并明确提到可以与 Opus 5.5、Sonnet 5.5 配合，作为 Coding Agent 的 subagent 使用。而 Qwen Code 的近期更新则更加直接。10 月 9 日官方周报披露，Qwen Code 已经加入语音交互、屏幕共享、浏览器操作、邮件分配任务、批量后台任务和 Trajectory 等能力。过去定义 AI 编程工具的 “终端 + 代码” 正在变成 “Agent + 工具 + 环境”。

这几个变化放在一起，实际上说明了同一个趋势：AI Agent 的竞争重点正在从 “谁的模型回答更好”，转向 “谁能够更稳定地完成一个完整任务”。

一、为什么现在又开始重新讨论 AI Agent？

AI Agent 并不是最近才出现的概念。过去开发者已经可以使用 Function Calling、Tool Calling、MCP 等技术，让大模型调用外部工具。但传统的大模型应用通常还是一个相对短的循环：用户提出问题 → 模型判断 → 调用工具 → 返回结果。如果任务复杂一点，开发者再增加几轮调用。

问题在于，当任务真正进入生产环境以后，这种简单循环很快会变得复杂。例如一个软件工程 Agent 接到 “修复项目中的登录问题” 之后，它可能需要先阅读目录，找到认证模块，再分析 Token 处理逻辑，修改代码，运行测试，读取错误日志，然后重新修改。此时模型不是只生成一次答案，它需要不断观察环境，并根据前一步结果决定下一步行动。

这意味着 Agent 实际上变成了一个循环系统：目标 → 推理 → 工具调用 → 环境反馈 → 再推理 → 再执行。如果任务再增加浏览器、数据库、Git、文件系统和外部 API，整个执行链就会进一步变长。所以现在真正困难的问题已经不是 “如何让模型调用一个工具”，而是如何让模型在几十次甚至更长的执行过程中，仍然保持正确的任务状态。这也是近期各家大模型厂商开始投入 Agent Runtime、上下文管理、子 Agent 和沙箱环境的重要原因。

二、GPT-6 之后，模型本身正在成为 Agent 基础设施的一部分

OpenAI 在 2026 年 9 月推出 GPT-6 Astra，之后继续推出 GPT-6 Sol 和 GPT-6 Luna。其中 GPT-6 Astra 被官方定位为旗舰级模型，并重点覆盖 Computer Use、Browsing、Software Engineering 和专业工作等场景。官方公开的评测中，Astra 在 OSWorld 2.0、BrowseComp 和 AutomationBench 等项目上均展示了较强的 Agent 能力。

但对于实际开发者来说，更值得注意的可能不是单项 Benchmark，而是 GPT-6 系列开始出现更加明确的模型分工。GPT-6 Astra 面向高难度任务，GPT-6.1 Sol 则强调能力与成本之间的平衡，并进入 Coding、Computer Use 和 Agent 工作流。这意味着未来构建一个 Agent 时，不一定需要从头到尾只使用一个模型。一个复杂任务可以由高能力模型负责规划，再由成本更低的小模型执行重复性工作。这已经开始改变传统的 “一个 Agent 对应一个模型” 的设计。

三、Multi-agent 为什么突然变得重要？

OpenAI 当前的 Responses API 已经提供 Multi-agent 能力。官方文档显示，Multi-agent 可以让一个模型在一次 Responses API 请求中启动多个子 Agent，让它们并行处理不同的工作，再由主 Agent 汇总结果。GPT-6.1 Sol 和 GPT-5.6 系列已经支持这一 Beta 能力。

举一个开发者很容易理解的例子。假设需要分析一个大型 GitHub 项目，传统单 Agent 可能按照这样的顺序执行：读取项目结构 → 分析后端 → 分析前端 → 检查依赖 → 检查测试 → 汇总。如果这些任务之间相互独立，就没有必要完全串行。Multi-agent 可以拆成：

主 Agent
↓
前端分析 Agent 后端分析 Agent 测试分析 Agent 依赖分析 Agent
↓
主 Agent 汇总

这样做的优势并不只是速度。更重要的是，每个子 Agent 可以拥有相对独立的上下文。如果所有内容都塞进一个上下文窗口，随着任务推进，历史信息会不断增长；而拆分以后，每个 Agent 只需要处理自己负责的部分。这也是为什么 Multi-agent 并不是简单的 “多开几个模型”，真正有价值的地方在于任务分解与上下文隔离。

四、OpenAI 为什么要推出 Agents API？

这可能是最近 AI Agent 开发领域最值得关注的 API 变化之一。OpenAI 在 2026 年 9 月 10 日推出公开测试版 Agents API。官方的定位非常明确：让开发者通过 API 使用与 Codex 相同的执行框架，构建能够长期运行的云端 Agent。

它解决的问题与传统模型 API 不太一样。传统 API 的基本关系是：应用 → 模型 API → 返回结果。而 Agents API 更接近：应用 → Agent Session → 模型 → 工具 / MCP / Sandbox → 执行结果 → 继续任务。OpenAI 官方文档显示，Agents API 可以管理 Session、编排、上下文压缩和恢复，并允许 Agent 在 Sandbox 中运行代码、修改文件、连接 MCP Server 和生成文件。

这意味着开发者不用从零开始自己实现所有 Agent Runtime。过去自己做一个真正可长期运行的 Agent，需要处理大量基础设施问题：上下文怎么保存？任务中断怎么办？工具调用失败怎么办？模型跑偏怎么办？如何恢复任务？多个子 Agent 怎么协调？历史信息太多怎么办？现在这些问题开始逐渐进入模型厂商提供的基础设施层。

五、这也是为什么 “模型 API” 和 “Agent API” 开始出现区别

很多开发者以前把 “调用大模型” 和 “调用 Agent” 理解成同一件事情。实际上两者的抽象层已经开始不同。模型 API 主要解决：给模型输入，得到模型输出。Agent API 则需要解决：给 Agent 一个目标，让它在环境中持续执行。

这两个层次的区别非常重要。如果你自己构建 Agent Runtime，那么需要自己管理工具调用、Session、状态、上下文和错误恢复；如果使用托管 Agent 平台，则可以把一部分基础设施交给平台。这并不意味着 Agent API 一定比普通模型 API 更好。如果只是做聊天机器人、文本分类、摘要或者简单的结构化输出，直接调用模型 API 仍然更加简单。但如果应用需要执行持续时间更长的任务，Agent API 的价值就会明显增加。

六、Claude 5.5 正在解决另一个问题：Agent 的成本

Agent 越强，并不意味着成本越低。这是 AI Agent 开始规模化之后非常现实的问题。一个普通聊天请求可能只调用模型一次，一个复杂 Agent 任务却可能产生几十次模型请求。如果每一次都使用最高规格的模型，成本会迅速上升。

Anthropic 最近的模型更新正好体现了这个方向。2026 年 9 月，Anthropic 发布 Claude Opus 5.5，并表示相比上一代 Opus 5，运行成本降低 40%。到了 10 月 7 日，Anthropic 又发布 Claude Haiku 5.5。官方将 Haiku 5.5 定位为高并发、成本敏感任务使用的小模型，同时明确指出，它可以和 Opus 5.5、Sonnet 5.5 搭配，作为 Coding Agent 的 subagent。Anthropic 还表示，Sonnet 5.5 的缓存读取价格被降低一半，使其在多数 Agent 工作负载下的运行成本进一步下降。

这里透露出一个非常重要的 Agent 架构：不是所有任务都需要最强模型。可以让强模型负责任务规划、复杂推理、最终判断，让小模型负责分类、摘要、简单查询、重复操作和部分子任务。这样才能把 Agent 的能力与成本控制在一个合理范围。

七、Qwen Code 的最新变化也说明了同一个趋势

如果说 OpenAI 更强调 Agent API，那么 Qwen Code 最近的更新则从实际工具层展示了 Agent 正在向哪里发展。Qwen Code 官方 10 月 9 日周报显示，最近两周连续发布 v0.24.5 到 v0.25.0 四个稳定版本，共合并 467 个 PR。其中几个功能特别值得开发者关注。

第一个是 Qwen Live。现在可以通过语音与 Qwen Code 交互，并在通话过程中共享屏幕，让 Agent 直接观察当前屏幕内容。第二个是 Chrome 操作。Qwen Code 可以进入开发者已经登录的 Chrome 环境，执行页面操作，包括切换页面、填写表单和提交内容。第三个是 Email Channel。用户甚至可以不坐在电脑前，通过邮件向运行中的 Qwen Code 分配任务，完成后再通过邮件返回结果。第四个是 /batch-api。重复性的工作可以进入后台执行，官方介绍中指出，其批量执行采用半价方式处理，并且会先生成计划，用户确认后再执行。第五个是 Trajectory。它会将 Model requests、Tool calls 和 Subagent requests 分开呈现，帮助开发者定位一个任务究竟卡在哪个阶段。

这些功能看起来很分散，实际上它们都在解决 Agent 的同一个问题：如何让 Agent 在真实环境里完成一个持续任务，而不是只生成一段代码。

八、Agent 真正的瓶颈，可能正在从 “模型能力” 转向 “执行环境”

这是最近 AI Agent 发展中一个很容易被忽视的变化。模型越来越强以后，单纯提升模型能力当然仍然重要，但如果模型没有合适的执行环境，它仍然很难完成复杂任务。例如：模型可以理解代码，但没有文件系统权限；模型可以生成 SQL，但没有数据库访问能力；模型可以理解网页，但没有浏览器操作能力；模型可以规划部署方案，但没有 Shell 或云环境。

因此，一个完整 Agent 至少需要四个核心部分：模型、上下文、工具和执行环境。模型负责判断，上下文负责提供信息，工具负责连接外部系统，执行环境负责让 Agent 真正做事情。OpenAI 的 Agents API 已经把 Sandbox、MCP、Session、Context Compaction 和 Recovery 纳入整体设计。这说明 Agent 开发正在逐渐接近传统软件基础设施。未来开发 Agent，可能不只是写一个 Prompt，而是需要考虑整个 Runtime。

九、API Gateway 在这里扮演什么角色？

如果一个 Agent 永远只使用一家模型服务商，模型接入层并不复杂。但真实应用往往不是这样。例如：复杂推理使用高能力模型；普通任务使用低成本模型；代码任务使用 Coding Model；长文本任务使用长上下文模型；某些场景甚至需要不同厂商的模型同时参与。这时候，模型 API 的管理就开始变得复杂。

如果 Agent 代码直接绑定多个 Provider，随着模型增加，配置、认证、Endpoint 和错误处理都会逐渐进入业务逻辑。这也是 API Gateway 或 API 中转层存在的意义。例如通过 KoalaAPI 这样的统一 API 接入层，可以把多个模型的访问入口收敛起来。Agent 上层只需要面对相对统一的 API 接口，而模型选择和部分 Provider 差异可以被放到接入层处理。

它并不能解决 Agent 的全部问题，但可以解决一个非常具体的问题：让 Agent 的执行逻辑不要和某一家模型服务商永久绑定。尤其是在模型更新非常快的阶段，这种解耦会更加重要。

十、未来的 Agent 可能越来越像 “模型操作系统”

如果把最近几个月的变化串起来，会发现一个很有意思的方向。过去：LLM = AI 应用核心。后来：LLM + Tools = Agent。现在正在变成：Model + Context + Tools + Runtime + Environment + Subagents = Agent System。模型只是其中一个核心组件。

OpenAI 的 Agents API 使用 Codex harness 管理 Agent 的执行过程；Multi-agent 允许一个主 Agent 协调多个子 Agent；Qwen Code 开始加入浏览器、邮件、语音和后台任务；Anthropic 则通过不同规格的 Claude 模型解决 Agent 中不同任务的成本问题。这已经与传统聊天应用存在明显区别。

Agent 不只是 “会回答”。它需要知道：我要完成什么？下一步应该做什么？需要什么工具？工具返回什么？结果是否符合预期？如果失败怎么办？什么时候应该让另一个 Agent 帮忙？什么时候应该停止？这才是 Agent 系统真正复杂的地方。

十一、开发者现在应该如何开始做 AI Agent？

如果刚开始接触 Agent，不建议一开始就搭建复杂的 Multi-agent 系统。一个更现实的路线，是先从单 Agent 开始。第一步，让模型完成一个明确任务。第二步，增加一个工具。第三步，让模型根据结果决定下一步。第四步，加入状态和上下文管理。第五步，再考虑多个工具并行。等任务复杂到单 Agent 难以处理，再引入 Subagent。这样做的好处是每增加一个模块，都能清楚知道它解决了什么问题。

如果一开始就使用十几个工具、多个 Agent 和复杂的工作流，出现问题之后很难定位到底是模型推理、上下文、工具定义还是编排逻辑出了问题。对于模型选择也一样，不要默认所有任务都调用最强模型。可以先根据任务进行分层。例如复杂规划使用高能力模型，普通执行使用成本更低的模型。对于大量重复任务，还可以考虑批处理或缓存。如果使用多个模型，则可以通过统一 API 接入层减少 Provider 切换带来的开发成本。这样构建出来的 Agent，往往比 “一个超强模型解决所有问题” 的方案更加容易控制。

十二、AI Agent 的下一个竞争点是什么？

从目前公开的产品变化来看，AI Agent 的竞争已经开始进入第二阶段。第一阶段比较的是：模型会不会推理。第二阶段比较的是：模型能不能把事情做完。这两个问题并不完全相同。一个模型可能非常擅长回答复杂问题，但如果工具调用不稳定、上下文管理不好、执行环境受限，那么它仍然不一定能完成一个长任务。相反，一个能力足够强、工具体系完善、上下文管理合理的 Agent，即使单次回答没有那么惊艳，也可能在真实工作流中表现更稳定。

所以未来判断一个 Agent 是否成熟，值得关注的指标可能包括：任务完成率、工具调用成功率、平均执行轮数、Token 消耗、任务恢复能力、上下文管理效率，以及在真实环境中完成任务的稳定性。这比单纯比较一个模型的 Benchmark 分数更接近生产环境。

结语：AI Agent 已经进入 “能做事” 之后的阶段

2026 年的 AI Agent 已经明显不同于最初的 Function Calling Demo。GPT-6 系列正在强化复杂 Coding、Computer Use 和 Agent 工作流；OpenAI 进一步推出 Agents API，把 Codex 的执行框架作为云端 Agent 基础设施开放给开发者。Anthropic 则通过 Claude 5.5 系列继续强化复杂任务与高并发 Agent 工作负载之间的模型分工。Haiku 5.5 作为低成本、高速度模型承担子任务，也说明 Agent 已经开始从 “一个模型包打天下” 走向模型协作。Qwen Code 最近的更新则进一步把 Agent 从终端带向浏览器、语音、邮件和后台执行环境。

因此，今天再讨论 AI Agent，真正值得关注的已经不是 “哪个模型最聪明”，更实际的问题是：这个模型能否在一个可靠的 Agent Runtime 中，持续调用工具、管理上下文、协调其他模型，并最终把任务完成。而对于开发者来说，模型 API 仍然是整个体系的重要基础。随着模型数量越来越多，统一 API、模型路由和成本管理也会逐渐成为 Agent 基础设施的一部分。

AI Agent 的下一阶段，很可能不是让模型回答更多问题，而是让模型在真实的软件环境里承担更完整的工作。这也是 GPT-6、Claude 5.5、Qwen Code 以及新一代 Agent API 正在共同推动的方向。

了解更多：https://koalaapi.com/