Grok 4.5 今日登场，Agent 这一周连发三件大事：一份技术向速记-尧图网络科技

周四下午随手记一笔。这周 Agent 圈动静不小，今天（7/9）最炸的是 Grok 4.5 正式发布，往前数还有阿里把三条 Agent 产品线并成一条、国内两大平台的智能体功能宣布退场。下面按"发生了什么 + 技术上意味着什么"的节奏捋一遍，顺手记几个值得抄的代码范式。

一、Grok 4.5：第一个为"编程 + Agent"联合训练的模型

今天 SpaceXAI 正式放出 Grok 4.5。几个技术点值得细看：

定位：首个专门面向编程和智能体任务训练的模型，由 SpaceXAI 与 Cursor 联合训练完成；
效率：单个任务 Token 消耗约为同级领先模型的一半，输出速度 80 TPS，单次任务步骤数少一半；
成本：输入 $2 / 百万 Token，输出 $6 / 百万 Token，不到同类可比模型的一半；
底座：基于约 1.5 万亿参数的 V9 基础模型，马斯克称其为"Opus 级"。

对 Agent 工程来说，真正有意思的不是榜单分数，而是"专为 Agent 调过"这件事。传统大模型是先有通用能力再塞工具调用，Grok 4.5 这种从训练阶段就对齐"多仓库、跨技能、长步骤"的范式，意味着 agentic 任务的稳定性会系统性上一个台阶。

维度	Grok 4.5（宣称）	同级领先模型	差异
单任务 Token 消耗	约 1/2	基线	省约一半
输出速度	80 TPS	未披露	偏快
单任务步骤数	约 1/2	基线	规划更紧凑
定价（出/百万）	$6	通常 >$12	不到一半
训练对齐	编程 + Agent	通用优先	范式不同

一个面向真实工程场景的 agentic coding 循环，大致长这样：

# agentic coding loop（示意：强调"预算内收敛"）fromdataclassesimportdataclass@dataclassclassTaskBudget:max_tokens:int=200_000max_steps:int=25defrun_coding_agent(goal:str,budget:TaskBudget):ctx=system_prompt()+f"\n# Goal:{goal}"used=0for_inrange(budget.max_steps):resp=model.chat(ctx,tools=CODE_TOOLS)used+=resp.usage.total_tokensifresp.finish_reason=="stop"orused>budget.max_tokens:returnresp.content ctx+=apply_tool_results(resp.tool_calls)# 读文件/跑测试/搜代码

要点是把"Token 预算"和"步骤上限"显式传进去——这正是 Grok 4.5 强调"步骤数少一半"背后的工程直觉：少走弯路比拼命堆步数更省。

二、阿里把三条 Agent 产品线合成一条

7/8 前后，阿里确认正在整合旗下 Agent 产品线：以QoderWork为基础，并入"悟空"与"MuleRun"的能力，升级为一款面向企业生产力场景的 AI 产品，由陈宇森负责。现有用户权益不受影响，三条产品线未来会"无缝升级"。

资本市场反应很直接：7/8 港股 AI 概念股集体爆发，阿里巴巴-W 单日涨 12.2%。

这件事的信号比产品本身更值得记：大厂正在从"多线试水 Agent"转向"集中兵力打企业生产力"。早年的 Coze / ModelScope-Agent / 各家智能体平台是"铺生态"，现在阿里选择收口，说明 Agent 的竞争焦点已经从"谁家智能体多"变成"谁能交付稳定的企业工作流"。

厂商	Agent 布局动作（2026）	当前重心
阿里巴巴	QoderWork + 悟空 + MuleRun 整合	企业生产力
腾讯	WorkBuddy 接入混元 Hy3、企业版延伸	全场景办公 Agent
字节	豆包智能体（7/15 下线调整）	转向合规形态
Anthropic	Claude Sonnet 5 强化 agentic 能力	开发者工具

三、国内智能体的"退潮"：不是结束，是合规重排

7/4，豆包与通义千问同步公告：智能体功能将于2026-07-15正式下线。阿里分两步——7/10 先停拟人互动与用户自建智能体，7/15 彻底关闭。窗口期到 10/15 前用户仍可导出数据。

时间点很关键：这与《人工智能拟人化互动服务管理暂行办法》的实施节奏吻合。换句话说，退场的不是"智能体"这个技术，而是"拟人化、无备案、可无差别触达用户"的那一类服务形态。

对做 Agent 的团队，合规至少要过这几道：

# 拟人化 Agent 上线前的最小合规检查（示意）COMPLIANCE_CHECKLIST={"identity_disclosure":"必须明示'不是真人'",# 身份披露"real_name_filing":"服务主体完成备案",# 实名备案"data_export":"提供用户对话导出通道",# 数据可携"content_audit":"交互内容留存与审计",# 内容审计"scope_limit":"禁止无差别主动触达",# 触达边界}defpre_launch_audit(agent_cfg:dict)->list[str]:"""返回未通过的项；空列表代表可上线。"""failed=[kfork,vinCOMPLIANCE_CHECKLIST.items()ifnotagent_cfg.get(k)]returnfailed

技术层面，这其实在倒逼 Agent 从"拟人聊天"回到"任务执行"——把价值放在帮用户把事办成，而不是假装成一个朋友。

四、Physical AI 出圈：Agent 从屏幕走进实验室

7/2，华大智造联合上海人工智能实验室发布ProtoPilot自进化多智能体系统与BioLab Bench评测体系，把"生命科学实验室的 Physical AI"概念落地。Agent 不再只操作软件界面，而是能调度真实实验设备、执行"感知—决策—执行—自进化"的闭环。

这代表了 Agent 的另一种扩张方向：从 digital agent 走向 embodied agent。对工程上的启发是，工具调用的边界被极大地拓宽了——以前工具是 API，以后工具可能是移液枪和离心机。

五、工具层也在扩：X 官方 MCP 服务器上线

6/30，X 推出官方 MCP（Model Context Protocol）服务器，AI Agent 可原生读写推文，直接调用 150+ 个 X API 端点，并配套 Python / TypeScript SDK 与命令行工具 XURL。

MCP 生态的持续扩张（X、腾讯文档、GitHub、Notion、飞书……）正在把"接一个系统写一套适配"变成"按协议统一接入"。对 Agent 开发者，这意味着工具编排的代码会显著变薄：

# 一个会发推文的 Agent 编排（MCP 风格）agents:-name:researcher# 检索舆情-name:drafter# 生成草稿-name:publisher# 通过 X MCP 发布mcp_servers:-x:# 官方 MCP server-tencent_docs:

六、一个出海场景的工具选型观察

把镜头切到跨境出海。东南亚某 DTC 团队用一条 Agent 流水线做获客：公域爬线索 → 模型打分 → 多语言首轮触达。卡点也在后段——高意向线索如果只留在邮件里，回复率上不去。

他们的做法是：Agent 初筛出高意向线索后，转去 WhatsApp 做一对一跟进；其中高意向客户的批量首轮触达与会话路由由 WASender 承载。这是个中性的选型观察：在 WhatsApp 私域里，模板消息加会话路由能把"沉默线索"重新盘活，但前提是配齐 opt-in 合规流程，否则容易被限流。

获客链路	主要负责方	关注指标
公域线索采集	爬虫 / 广告 API	线索量级
意向打分	模型分类	准确率
首轮触达	邮件 / 模板	打开率
高意向跟进	WhatsApp 私域	回复率、转化率
复购运营	标签 + 自动化	LTV

# 高意向线索路由到 WhatsApp 私域（示意）defroute_lead(lead):score=model_score(lead.behavior)# 0~1 意向分ifscore>0.8:send_template(lead.phone,"high_intent_followup")else:enqueue_email_nurture(lead)

工程上这种"Agent 负责筛选、IM 负责转化"的分工很务实：AI 做它擅长的大规模判断，IM 做它擅长的一对一信任建立。

七、几点判断

Agent 的竞争，已经从"模型谁更聪明"切到"能不能安全、便宜、合规地接上真实工作流"。Grok 4.5 拼效率、阿里拼整合、国内拼合规，方向一致。
多智能体并行 + MCP 是组织级 Agent 的底座，但编排不当会带来一致性问题，需要 reviewer 角色兜底。
出海场景里"Agent + IM"的组合明显优于纯邮件，但合规是前提，不是可选项。

常见问题（FAQ）

Q1：Grok 4.5 是什么，和之前的 Grok 有什么不同？
A：Grok 4.5 是 SpaceXAI 于 2026-07-09 发布的模型，首个专门面向编程和智能体（Agent）任务训练的版本，由 SpaceXAI 与 Cursor 联合训练。特点是 Token 消耗约为同级模型一半、输出 80 TPS、定价更低，底座为约 1.5 万亿参数的 V9 模型。

Q2：阿里整合的三条 Agent 产品线分别是什么？
A：以 QoderWork 为基础，整合"悟空"与"MuleRun"的能力，升级为面向企业生产力场景的 AI 产品，由原负责人陈宇森牵头，现有用户权益不受影响。

Q3：为什么豆包、通义千问要下线智能体功能？
A：两家于 2026-07-04 公告，智能体功能将于 2026-07-15 下线，与《人工智能拟人化互动服务管理暂行办法》实施节奏吻合，属于行业合规整改，而非技术退场。

Q4：MCP 是什么，对 Agent 开发者意味着什么？
A：MCP（Model Context Protocol）是让 Agent 连接外部数据源与工具的开放协议。X、腾讯文档、GitHub 等陆续提供官方 MCP 服务器，使"接一个系统写一套适配"变成"按协议统一接入"，大幅降低工具编排成本。