AI消息速览

Agent 2026年Q2行业趋势：从Tokenmaxxing到认知缴械

事件日期 2026-07-22 · 产业观察 · 已接受

返回列表 打开来源
事件日期2026-07-22
信息日期2026-07-22
入库日期2026-07-22
通道产业观察
状态已接受
来源腾讯研究院（搜狐同步）

知识卡片：Agent 2026年Q2行业趋势：从Tokenmaxxing到认知缴械

英文标题：Agent 跌跌撞撞进入世界
英文关键词：Agent, Tokenmaxxing, Multi-Agent, Loop Engineering, Cognitive Disarmament
原始来源：腾讯新闻企鹅智库（搜狐转载）
URL：https://m.sohu.com/a/1053426963_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

一句话结论

2026年第二季度，通用Agent正式从对话工具进入真实工作流，夺回软件入口并深入垂直行业，但随后的Tokenmaxxing运动因成本高、无效Token占比大（约90%）、组织复核瓶颈而失败，催生出Multi-Agent、自进化AI、Loop Engineering和模型路由等新方向，同时就业、安全、信息污染和认知缴械等负面效应开始显现。

事件概述

  • 2025年底：多数人仍将AI当聊天工具，一问一答即结束。
  • 2026年Q2：OpenClaw、Codex、Claude Cowork等将AI从对话框拉出，Agent能自主读写文件、跑代码、操作软件，甚至接入企业系统。
  • 核心转变：问题从“Agent能不能干活”转向“如何搭建高效Human in Loop体系并有效降低成本”。
  • 八个趋势连成连续故事：通用Agent夺入口 → 前沿模型公司切入垂直行业 → Tokenmaxxing撞墙 → Multi-Agent与自进化AI接手复核 → CPU重回算力中心 → 模型价格分层（价差从30倍扩至600倍） → 就业、安全、信息污染、认知缴械浮出水面。

方法/产品要点

  • 通用Agent转型：Codex从编程专用变为“为一切而生”，4-5月新增用户中20%从不做编程，增速是编程用户的3倍。
  • 入口之争：浏览器（Mariner、Operator）从“总入口”降级为Agent工具箱中的一个工具，Agent直接接入文件、终端、代码仓库等。
  • 垂直行业批量装配：同一套通用Agent框架，通过MCP连接行业数据库+技能模块（skill）即可复用；垂直软件护城河转为企业自己的数据、权限和验收记录。
  • Multi-Agent模式：主流为“编排者—执行者”，但提升常来自额外计算而非合作；去掉中心后Agent会跟风、偷懒，准确率反而不如单体Agent。
  • 自进化AI（RSI）：Anthropic让模型持续优化训练代码，从Claude 3到Mythos优化水平从3倍加速升至50倍以上；Minimax已将自动化流程做进后训练。
  • Loop Engineering：Agent不再等人按一下，而是自己找任务→执行→验证→记录反馈→下一轮，形成长期运行循环。
  • 模型路由：Sakana推出Fugu，单独训练路由Agent，动态分配不同价格/能力模型组成临时团队，只用一半钱达到最佳效果。

主要结果或产业意义

  • Tokenmaxxing失败：亚马逊内部排行榜导致无效任务刷分，Uber的Claude Code全年预算四月接近耗尽；哈工大提出“有效反馈算力”仅约10%，90%Token消耗在重读、试错和无效往返。
  • CPU重回中心：工具处理最多占完整任务延迟90.6%，CPU动态能耗最高占44%；AMD数据中心收入同比增长57%，2030年服务器CPU市场规模预测翻倍至1200亿美元。
  • 模型价格分层：最便宜与最贵模型价差从30倍扩至约600倍；低价模型拿流量，高价模型拿关键任务。
  • 就业影响：初级岗位受冲击最大，企业想招“更成熟的初级员工”，但拿走了让人成熟的初级任务；招聘广告中易由AI插手的内容占比下降约一成。
  • 安全与信息污染：Anthropic的Mythos因网络安全能力过强不敢开放；AI生成内容占互联网约48%-50%，但ChatGPT引用中AI生成来源半年从38.9%升至42.7%，形成回音室。
  • 认知缴械：沃顿商学院实验：超一半题目中参与者主动求助AI，即使AI给错误答案仍有约80%选择相信；Anthropic研究：AI辅助组闭卷测验成绩平均低17%。

为什么重要

  • 标志着Agent从演示阶段进入真实生产环境，行业核心矛盾从“能不能干活”转为“如何高效落地”。
  • Tokenmaxxing的失败揭示了系统瓶颈——组织审核速度远跟不上AI生成速度，倒逼Multi-Agent、自进化AI和Loop Engineering等技术方向。
  • 成本、安全、就业和信息污染等负面效应从推演变为现实，需要企业、个人和政策共同应对。
  • 与既有脉络的关系：本条是对SIMA 2（通用虚拟世界Agent）、OpenRouter MCP（模型路由）等卡片的行业落地补充，聚焦2026年Q2实际碰撞中的八个趋势和增量挑战（如Tokenmaxxing失败、认知缴械）。

局限与不确定性

  • 报告中部分数据（如哈工大“有效反馈算力”比例、MIT代码提交率等）来自第三方研究，具体方法和样本范围待核实。
  • 自进化AI在“品味”判断上仍差，Anthropic实验显示在人类已犯错场景下模型仅20%几率比人好；若人本身正确，模型更没竞争力。
  • Multi-Agent的群体智能尚未形成，Token消耗可达普通Agent四倍。
  • 模型路由（如Fugu）效果显著，但ChatGPT的智能路由“大家都不太用”，分化原因未详细说明。
  • 就业影响的具体岗位数量、安全监管实际落地情况等有待后续数据验证。

可用于图书/PPT/简报的角度

  • “Token 造不出市场”：从Tokenmaxxing失败看AI投入产出比的陷阱，适合企业数字化转型决策。
  • 通用Agent如何“下海”：从一个编程工具到覆盖金融、法律、设计的通用入口，可作AI产品案例。
  • Human in Loop的新设计：如何平衡AI效率与人的复核/学习需求，推荐故意“留一点摩擦”的策略。
  • 认知缴械与泰勒制2.0：AI把人类变成“认知生产线上的盖章点”，适合人文社科或组织管理类内容。
  • 垂直软件护城河迁移：MCP+Harness+Skill模式如何颠覆传统SaaS，适合科技战略分析。

原始材料

  • 搜狐转载：https://m.sohu.com/a/1053426963_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
  • 完整报告5万字（腾讯新闻客户端搜索“企鹅智库”获取）：https://view.inews.qq.com/tag/ZkWsw7tejmU=