本文總結 2026-07-13 至 2026-07-19（Asia/Taipei）。W29 的一句話結論是：base model 仍重要，但決定 Agent 是否便宜、可靠、安全與可持續改善的，越來越是外部 harness。
三篇深度報導
- 產業篇：競爭轉向可營運執行層（Grok 4.5、AgentCore、Qwen Cloud）
- 研究篇：Harness 開始學習，也必須被公平評測（MemoHarness、E3、GPT-Red）
- 開源篇：Harness 工程走向產品化（Agent Framework Go、CORAL、Browser Use）
三條線合起來說了什麼？
產業線把成本、隔離、語音、MCP 與部署包成 runtime；研究線嘗試讓 harness 從經驗學習、依任務縮放投入，同時提醒 benchmark search 可能被誤認為泛化；開源線則把 middleware、checkpoint、observability 與 self-evolution 寫成框架。
三者的交集是「控制層成為核心資產」。下一階段的領先者不只要有強模型，還要能回答：Agent 看過什麼、為何採取動作、花了多少成本、失敗後如何復原、哪個經驗改變了下一次行為。
給 Builder 與 Operator 的判斷
選模型時同步固定 harness 與驗收集；把成功率、token、wall time、工具錯誤、人工接管與安全事件一起記錄。敏感工具採最小權限與確認點，self-improvement 則必須用 held-out task、版本化策略與 rollback 約束。
Watchlist
- 供應商是否開始公布每個成功任務的完整成本，而非單次 token 價格。
- Harness learning 能否跨任務泛化，且不累積錯誤記憶。
- 自動紅隊是否能由第三方重現並追上新工具攻擊面。
- 開源框架是否形成穩定 release、遷移政策與安全預設。
- Browser/voice Agent 的事故資料是否開始公開。
