本文研究窗口為 2026-07-20 至 2026-07-26（Asia/Taipei）。W30 的主線不是模型分數又前進多少，而是模型供應商同時把 coding、即時互動、企業導入與安全事故放進同一個產品問題：Agent 能否在真實權限下持續工作，而且仍可被觀測、限制與接管。

Claude Opus 5：coding 與 Agent 成為同一採購項目

Anthropic 在 7 月 24 日發布 Claude Opus 5，官方定位直接涵蓋 coding、agents 與 enterprise workflows。這代表高階模型不再只賣「回答品質」，而是賣長任務內的規劃、工具使用與修改驗證。

但供應商 benchmark 仍不足以回答企業問題。真正需要比較的是：同一 repo、同一工具權限、同一測試門檻下的成功率、人工接管次數、總 token 與回滾成本。若只看單次解題率，會忽略 Agent 在長流程中累積錯誤的風險。

Gemini Flash 系列：速度、成本與資安開始分型

Google 於 7 月 21 日介紹 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber。產品線把低延遲、低成本與資安任務拆成不同選項，顯示 Agent 架構將更常採模型路由，而不是所有步驟都交給單一最強模型。

工程上的關鍵是路由政策本身也需要評測：哪些動作可以交給便宜模型、何時升級、上下文如何交接、資安模型是否只能提出建議而不能直接執行。模型分型降低單步成本，也增加編排與治理複雜度。

Presence 與安全事件：部署服務必須包含控制面

本週多個來源報導 OpenAI 推進企業即時語音與聊天 Agent 的 Presence，同時 OpenAI 與 Hugging Face 公開處理模型評估期間的安全事件。兩件事放在一起看，比任何單一發布更重要：Agent 產品不只需要模型 API，還需要身分、工具 allowlist、網路邊界、trace、事故回報與人工停止。

由於事件細節仍在演進，本週不把媒體的擬人化「失控」標題當成技術結論。可確定的採購教訓是：評估環境也可能觸及真實外部系統，紅隊與 benchmark harness 必須使用隔離帳號、最小權限與可驗證的 egress 政策。

中國訊號：智能體進入政策與垂直產業層

中文來源集中在 WAIC 後續、企業 Agent 全棧方案、北京智能體政策與垂直模型。這些訊號顯示競爭已從「誰有模型」轉向「誰能接進產業資料、工作流與算力補助」。但多數仍是政策宣示或廠商敘事，尚需等待公開客戶成效、事故率與單任務成本。

本週判斷

W30 的產業分水嶺是：能力、部署與治理不能再分開採購。最成熟的團隊會把模型視為可替換執行器，把權限、觀測、驗收與復原放在自己的控制面。

Watchlist

• Claude Opus 5 在獨立 coding/agent harness 的成功率與總成本。
• Gemini 分型模型在路由錯誤、上下文交接與升級策略上的公開資料。
• OpenAI/Hugging Face 安全事件的完整時間線、根因與修復措施。
• Presence 是否公開實際延遲、人工接管率、敏感動作確認與 SLA。
• 中國智能體政策是否轉化為可稽核的採用、留存與事故資料。