今天的 AI 新闻有两副面孔：一边是模型第一次被当成「研究员」来考核，结果全军覆没；另一边是企业侧已经把 Agent 写进预算表，开始算单位任务成本、立权限规矩。能力还在爬坡，治理和成本先一步成了主战场。
一、九个顶级 Agent 挑战国家实验室的开放问题，135 份答案全部不合格
据 iCreat AI 11 月 8 日的每日简报，一篇新论文让 9 个 AI Agent——包括 Claude Opus 4.8、GPT-6 Astra、DeepSeek V4 Pro——针对美国某国家实验室研究人员提出的 15 个开放问题做后续研究，累计产出 135 份答案。评价只看三条：诚实（不虚构、不隐瞒失败）、完整（覆盖关键步骤）、专家级质量。结果是没有一份同时达标。
这条新闻的价值不在「AI 又不行了」，而在评价口径的转变：以前是「这道题答对没有」，现在是「能不能像研究员一样把一个开放问题往前推一步」。前者可以用 benchmark 刷分，后者不行。
对正在选型的企业，这是一条很实用的提醒：只要任务的答案无法被自动验收，就别指望 Agent 独立交付。能验收的（代码改完能跑、报表能对上、演练目标能达成）已经可用；不能验收的（战略判断、客户沟通、开放研究）仍然要人托底。
二、攻防基准：开源与闭源的差距在缩小，成本差 7 倍
Vals AI 的 CyberOffense 基准让 Agent 在一台隔离的 Kali Linux 机器上，从零攻击一个模拟企业网络。OpenAI 受限项目中的 GPT-6 Sol Daybreak 完成 80.8% 的目标；开源权重的 DeepSeek V4.1 Flash 1017 达到 72.8%，而单次运行成本约 3 美元，前者约 22 美元。
8 个百分点的能力差，配 7 倍的成本差，会直接改写采购逻辑：安全类 Agent 从「选最强的」变成「选单位任务成本最低、并且剩余风险可接受」的。这和我们在企业里做 Agent 时的判断一致——模型是耗材，真正决定项目能不能持续跑的，是单任务成本与失败处理流程。
三、Anthropic 估值下修，路演定在 11 月 9 日当周
据 IT 之家、金融界报道，Anthropic 计划在感恩节前、11 月 16 日当周挂牌纳斯达克，代码 ANT，拟融资 800–1000 亿美元；估值区间从 10 月初预期的约 2 万亿美元下修到 1.25–1.75 万亿，部分潜在买家甚至讨论到 1.1 万亿。公司第三季度营收约 170 亿美元，环比增长近 50%，但增速在放缓。
外部背景是 11 月 5 日纳斯达克 100 指数单日下跌 6.4%、市值蒸发约 2.3 万亿美元。融资端的冷暖会传导到算力采购和模型定价，这也是为什么同一周各家都在推更便宜的档位（例如把 computer use 下放到低价模型）。
四、钱的去向变了：企业 AI 支出 1768 亿美元，Agent 吃掉 80% 的 token
Menlo Ventures 11 月 3 日发布的《2026 企业 AI 现状》报告给出了一组硬数据：截至 2026 年 9 月，美国企业 AI 支出达到 1768 亿美元，是 2025 年 330 亿美元的 5.4 倍；企业实际花掉的是当年预算的 2.5 倍；每花 1 美元训练模型，就花 1.7 美元把 AI 用到业务里。
更关键的是消费结构：在 OpenRouter 上，Agent 产生的 token 已占 80%，约为人类直接调用的 7 倍，自 2 月以来增长 37 倍。应用层支出约 770 亿美元，其中编码工具 340 亿、AI 助手与效率工具 250 亿，两者合计 76%。Anthropic、OpenAI、Google 三家合计拿下企业部署支出的 69%。
换句话说，AI 在企业里已经从「人问一句、模型答一句」变成「人给目标、Agent 自己去跑」。风险的性质也跟着变：以前担心答错，现在担心它做错——发错邮件、改错记录、动错钱。
五、企业软件厂商开始给 Agent「立规矩」
同一周，三家平台型公司做了同一件事。
Snowflake 在 Expedition 2026 上发布 Business Ontology 与 Cortex AI Gateway：用统一审批过的业务定义（比如「净收入」到底怎么算）约束 Agent，把成本治理、可观测性、工具调用授权、提示注入防护做成平台能力。它自己赞助的调研里，55% 的高管认为「缺少业务上下文」是 Agent 输出质量差的头号原因，45% 归因于数据割裂。
Salesforce 披露 Agentforce Coworker 用户超过 18.5 万、三个月使用量增长 21 倍，定价 50 美元/人/月。它的产品定义值得注意：不是让人管理更多 Agent，而是「一个 Coworker 协调多个专业 Agent，把结果和建议带回给人审」。
Adobe 则把 CX Enterprise Coworker 直接嵌进 ChatGPT、Claude、Gemini for business、Microsoft Copilot 和 Databricks Genie 五个入口，基于 MCP 与 A2A 协议连接广告、数据与事件系统。它的判断是：与其让营销人员再打开一个后台，不如把能力放进他们已经在用的对话框里。
三家合起来看，企业 AI 的竞争焦点正在从「谁的 Agent 更聪明」转向「谁的 Agent 更可控、更可算账」。这也是 企业 AI 场景与方案 里我们一直强调的一点：先有口径与权限，再谈自动化率。
常见问题
Q：Agent 现在到底能不能替代人做研究或运营？ A：分任务看。边界清晰、结果可验证的任务（攻防演练、代码修改、报表核对、工单流转）已经能交付；开放研究、客户沟通、涉及判断与责任的决策还不行。国家实验室那次考核的 135 份答案全部不合格，说明的正是后一类。
Q：企业落地 Agent，第一步该补什么？ A：补业务口径和权限，而不是补 Agent 数量。Snowflake 调研里 55% 的高管把「缺业务上下文」列为头号问题，这和国内企业「数据在系统里、口径在人脑里」是同一件事。口径写进系统，Agent 才可能给出一致的答案。
Q：模型还在打价格战，采购该看什么？ A：从「每百万 token 多少钱」转向「跑完一个任务多少钱、失败率多少、失败后怎么回滚」。DeepSeek 用约 3 美元完成一次攻防任务，和 22 美元的闭源方案相比，差的不是 8 个百分点，是整套预算模型。
更多关于企业 AI 落地的判断，可以看 云枢智略企业介绍 与我们对 GPT-6 Cyber 网络安全 Agent 的解读。
这周的信号很一致：模型能力还在爬坡，但企业已经不再等它「变聪明」，而是先解决口径、权限和单位任务成本。对做 AI 落地的团队来说，2026 年的竞争点不是接入哪个更强的模型，而是能不能把业务定义、数据权限和验收标准固化成系统能力——这正是我们在客户现场反复遇到的问题：口径不清，Agent 越强越容易给出「看起来很对」的错答案。
