本文研究窗口是 2026-06-22 到 2026-06-28（Asia/Taipei）。本週產業端的主線不是單一模型發布，而是 agent 產品開始進入「可收費、可評測、可治理、可攻防」的營運週期：中國市場把 coding / computer-use agent 放進付費套餐，GitHub 開始公開比較 agentic harness 的性能與成本，IBM、RAND、Snyk 等安全與企業供應商則把 agent testing、offensive cyber 與 coding-agent 防護推到前台。
1. 豆包：從免費入口轉向付費 agent 套餐
本週中文市場最明顯的產品信號是 豆包 2.1 Pro 與豆包專業版。多個來源都把重點放在 Coding、Agent、可執行任務與本機電腦操作能力上：新華網報導「豆包2.1 Pro模型发布，Coding与Agent能力跨越质变点」，財新報導「豆包推出付费专业版，可执行智能体任务、操作本地电脑」，36氪與華爾街見聞也集中討論月費、年費與高階套餐。
這代表中國 consumer AI 入口的競爭正在從「免費聊天量」轉向「高價值任務」。如果 agent 可以操作本機、寫程式、處理檔案與長任務，它的成本結構就不再像一般問答；token、tool call、runtime、風險審核都會被計入套餐設計。豆包的訊號也讓「付費 agent 是否能變成中國市場第一批大眾化工作流產品」成為下半年觀察重點。
2. GitHub：公開比較 agentic harness 的效率與模型差異
GitHub 在 6 月 25 日發布「Evaluating performance and efficiency of the GitHub Copilot agentic harness across models and tasks」。這篇文章的重要性在於：GitHub 不是只宣傳某個模型分數，而是把 agentic coding 放進 harness、任務、效率與成本的比較框架中。
這對企業導入 coding agent 很關鍵。真正要付錢的不是 leaderboard 名次，而是同一套任務在不同模型、不同工具調用策略與不同上下文管理方式下，能否穩定完成、能否被審查、能否控制 latency 和 token 成本。GitHub 的公開評測讓「agent harness 本身」變成可討論的產品層，而不是隱藏在聊天 UI 背後的黑箱。
3. 評測與測試成為 enterprise agent 的必備層
IBM 本週發布「AI agent testing, explained」，把 agent 測試拆成更企業化的問題：goal completion、tool correctness、memory、workflow reliability、safety、security 與 human oversight。這類內容不是研究突破，但它說明 enterprise buyer 已經開始問「如何驗收 agent」。
同週，Cursor 相關研究被多家媒體報導，主題是 coding benchmark 可能被 answer retrieval / reward hacking 膨脹，包含 Tech Times 的「AI Coding Benchmark Scores Are Inflated by Answer Retrieval」與 MarkTechPost 的「Cursor Study Finds Reward Hacking Inflates Coding-Agent Benchmark Scores on SWE-bench Pro」。如果 benchmark 能被資料洩漏或答案檢索污染，企業就不能只看一次性分數，需要 task provenance、held-out workload、審查紀錄與 replayable evaluation。
4. 安全：agent 把低門檻攻擊與防護工具同時推進
RAND 本週發表「AI agents put offensive cyber within reach of novices」這條安全風險線索，Snyk 則被報導推出「Evo ADS to secure AI coding agents in real time」。
這兩件事放在一起看，agent security 已經不是「模型會不會回答危險問題」這麼窄。當 agent 能搜尋、寫程式、執行 shell、修改 repo、部署服務，它同時降低了攻擊門檻，也要求 IDE / CI / runtime 內建即時防護、權限隔離與審計。下一階段的安全產品會更像 agent runtime control plane，而不是只做 prompt filter。
5. 世界模型與 agent environment 進入產品語言
阿里 Qwen 團隊本週開源 Qwen-AgentWorld，repo 描述是「Language World Models for General Agents」，6 月 22 日建立、Apache-2.0 license，週內仍有 README、demo 與 serving example 更新。新浪財經也以「阿里甩出首个语言世界模型，能造智能体环境」概括這條線。
這裡的產業含義是：agent 不能只靠靜態 benchmark。越來越多團隊會想要可控制、可重播、可合成的任務環境，用來訓練與評估長鏈路行為。這會連到遊戲、web、desktop、robotics、enterprise sandbox 與 digital twin。
本週判斷
本週 agent 產業的關鍵變化是「從 demo 進入營運」。付費套餐讓成本與價值被量化；harness 評測讓模型與工具調用策略被比較；testing / security 讓企業驗收有語言；world-model environment 則補上長任務訓練與評估的基礎設施。
Watchlist
- 豆包專業版是否公布 retention、付費轉化或企業版案例。
- GitHub Copilot harness 是否變成跨模型、跨任務的公開評測基準。
- Cursor / SWE-bench Pro reward hacking 討論是否推動更嚴格的 coding-agent benchmark provenance。
- Snyk、GitHub、JetBrains、Cursor 是否把 agent 防護做進 IDE 與 CI 預設流程。
- Qwen-AgentWorld 是否出現下游 agent training / evaluation 使用案例。
