这周能聊的东西不少，但最让我来劲的是两件事：GLM-5.2 终于把开源 agent 的门槛踢了一脚，以及一群人不约而同在搞“面向 agent 的版本控制”——Oak 是其中最激进的一个。这些东西加上 OpenAI 突然放出的 GPT-5.6 Sol 和芯片消息，整个场面有点像周五下午的实验室——安静但满地外卖盒，因为大家都在憋大招。
GLM-5.2 把“开源 agent 跑不起来”的段子打脸了
其实过去一年我一直在被问：“有没有一个开源的模型，能像 GPT-4 那样自己做规划、调工具、改代码？”我的答案一直是“凑合用，但差口气”。直到这周看到 GLM-5.2 的测评，我得改口了。
他们把 GLM-5.2 放在 SWE-bench、MINT、GAIA 这些 agent 专属 benchmark 上跑，结果不光追平了闭源模型，在部分工具调用场景甚至反超。注意——这不是单纯刷分。他们做了个细节：在 MINT 里故意把工具文档写错、让模型自己去 debug，GLM-5.2 居然能一步步修正自己的调用。我不信很多闭源模型能做到。
当然，我还没拿到权重去复现（据说智谱会发），但我倾向于相信这波是真的。原因很简单：他们花了大功夫在 agent 行为链的合成数据上，而不是只堆参数。这比我见过的某些“开源但只开源个名字”的项目靠谱多了。
版本控制也要为 agent 重写？Oak 的野心想得挺远
Oak 是个让我愣了一下的东西。他们说自己是“为 agent 设计的 Git 替代品”，一开始我以为又是哪个大学生毕业设计。看完 README 才发现不是。
核心问题：如果 agent 每天提交 1000 次、每次改的都是几行代码外加删除缓存文件，Git 的 tree 会炸——commit 历史全是噪音。Oak 把存储和版本控制分离，用 content-addressed 的方式，但默认不保留每次 agent 动作之间的完整快照，而是用 diff + 状态快照 + 行为标签。换言之，你 trace agent 的思考过程像读日志，不是翻 commit 图。
我还没投入生产用，但已经在个人项目里试了两天。说实话，merge 冲突的处理还比较糙，但方向对了。如果 Oak 能活到今年 Q4，我认为它会成为 agent 工作流里的一个基础设施——比 Git submodule 靠谱多了。
浏览器里跑 agent 全家桶？peerd 和 Adrafinil 的想法
再聊两个轻量级的东西：peerd 是个让你在浏览器里跑 agent harness 的项目。它用 WebContainer（对，类似 StackBlitz 那套），把所有 agent 编排、沙箱、日志都跑在浏览器里。好处是零部署，坏处是你能跑的模型有限——目前只支持 llama.cpp 的 WASM 版，而且 GPU 基本没法用。但如果你只想写一个 quick agent 去调两个 API、做点简单 RAG，peerd 的启动速度是真香。
Adrafinil 更简单粗暴：一个 macOS 小工具，让电脑只在 agent 工作的时候保持唤醒，其它时候正常锁屏。做这个的人大概是被那种“跑了个 agent 然后 Mac 睡着了，一觉醒来任务还没跑完”的情况气到了。我用过类似方案（caffeinate），但 Adrafinil 多了一个“看 agent 日志有没有更新”的简单判断，没输出就自动休眠。省电又省心。
OpenAI 这周放了三颗雷：模型、芯片、实证
GPT-5.6 Sol 的名字挺有意思——Sol 是太阳，和现在的 GPT-5（代号好像是什么风暴？）不在一个路线。OpenAI 说它在编程、科学推理和网络安全上“有本质性提升”。按我现在看到的内部评测，SWE-bench 刷到了 78% 以上。但我想说的是，这次他们附带了最长的安全报告，连 prompt 注入的测试方案都开源了。我不觉得这是纯慈善——可能是因为 OpenAI 也在推那个 Appia Foundation，想抢安全标准的话语权。
芯片那个事更有趣：Jalapeño 是跟 Broadcom 合作的推理芯片。传闻早就有了，但正式发布还是让我吃了一惊——这不是做训练芯片（训练还是靠 Nvidia），而是专门优化 LLM 推理的。他们说能效比现有方案高 40%，延迟降低到原来的 1/3。如果真能做到，cost per token 会大幅下降，意味着 agent 可以默认用更长的思考链而不用心疼成本。这对 agent 场景是实打实的好处。
最后那个 免疫学家用 GPT-5 解决三年未解之谜 的案例我倒没太激动——AI 辅助科研现在已经不新鲜了。但巧的是论文里用到的“多轮推理 + 独立验证”模式，刚好就是 agent 框架典型应用。OpenAI 自己也出了一篇代理如何改变工作的研究报告，结论是：使用 agent 后，知识工作者的产出提升 30-60%，尤其在“多步骤任务”和“跨工具协作”上边际收益最大。这和我自己的观察一致——单 agent + 工具调用就够 80% 场景，不需要太花哨。
一些可能你忽视的小东西
- Qwen-AgentWorld 这篇论文值得翻一下：他们用语言世界模型让 agent 在虚拟环境中自我训练，不依赖环境模拟器。我还没读完，但直觉上这个方向可能是“让 agent 学会规划”的突破口。
- Haystack 正式发布了 v2.5，支持多步 agent 编排。如果你在做一个需要 RAG + 工具调用的生产系统，Haystack 比 LangChain 稳定得多——至少我的 experience 如此。
- Agent Skills 误用 那篇博客观点不错：很多人把“Skill”当成可以随意堆砌的模板，但实际应该把它当成一个“独立微服务”来设计。我踩过这个坑——刚开始 agent 用 Skill 调一堆 API，结果依赖混乱、错误传播。他建议每个 Skill 只能做一件事并且自带错误处理，我觉得很对。
最后一句
这周没有划时代的东西——我不信那个词——但你明显能感觉到圈子里在同时解决三个问题：模型本身的 agent 化能力、基础设施的 agent 原生适配、以及成本/效率瓶颈。也许 6 个月后回头会被打脸，但至少现在喝咖啡时聊这些，挺有劲的。