本文研究窗口為 2026-07-13 至 2026-07-19（Asia/Taipei）。本週的主線不是模型突然「會做更多事」，而是供應商開始把效能、工具連接、隔離、語音延遲與部署成本包成可營運的 Agent 執行層。

Grok 4.5：效能開始用任務成本衡量

SpaceXAI 於 7 月 16 日發布 Grok 4.5，定位在 coding、agentic tasks 與 knowledge work。官方列出多個軟體工程 benchmark，並宣稱 80 tokens/s、每百萬 input/output tokens 分別 2/6 美元，以及在 SWE-Bench Pro 平均輸出 token 顯著少於比較模型。

值得注意的不是單一榜單名次，而是官方把「解完一個任務花多少 token、多少時間、多少錢」放到能力旁邊。這更接近企業真正買單的單位。不過數字多由供應商選定 harness 或引用開發者榜單，尚不能替代同一程式庫、同一權限與同一驗收標準下的獨立評測。

AWS 把語音 Agent 寫成可部署系統

AWS 於 7 月 16 日公開 餐廳電話 AI host 參考架構。它不是聊天 demo：SIP gateway 接電話、Fargate 承載媒體層、AgentCore Runtime 以 microVM 隔離 session、Nova 2 Sonic 處理雙向語音，再經 MCP 工具連到菜單、購物車與訂單後端。

這個案例揭示語音 Agent 的真實工程面：電話響起時先 warm session、以 signed WebSocket 傳輸、處理插話與延遲，並把通路、Agent 與交易後端拆層。生產風險也很具體，包括錯單、付款與個資權限、尖峰容量、人工轉接及電話詐騙。參考架構證明「可搭」，不等於證明 ROI 或可靠度。

中國訊號：Agent 成為雲端與垂直流程入口

本週中文線索集中在 WAIC 的垂直 Agent、科學基礎模型、智慧體手機，以及阿里雲面向海外的 Qwen Cloud。共同訊號是平台不再只賣模型，而是爭取 Agent 形成的持續雲端消費與產業流程入口。由於部分資訊目前只有新聞稿或媒體報導，本週只把它們視為部署方向，不引用未公開的效能與市占結論。

本週判斷

W29 的產業轉折是「可營運性成為產品」。模型效率、session 隔離、工具協議、通路整合與觀測資料開始一起被銷售。採購方應以端到端成功率、敏感動作確認、失敗復原與每個成功任務成本比較，而不是只看模型分數。

Watchlist

• Grok 4.5 在獨立 harness、真實 repo 與長任務上的成本重現性。
• AgentCore 語音案例的公開負載、錯單率、人工接管率與總成本。
• Qwen Cloud 的正式文件、區域、資料治理、定價與 SLA。
• WAIC 垂直 Agent 是否公開客戶留存、流程成功率與事故資料。
• 供應商是否提供跨模型、跨工具的 trace 與可攜式權限政策。