Mozilla：开源人工智能的现状

05 线束是新领域 代理线束是另一个用户代理。浏览器是开放网络的用户代理：用户端的代码，代表他们与服务器进行协商。该角色正在向上一层重新创建。现在，模型之上是代理工具——编排循环、工具、内存、沙箱和权限模型。这是生产难度集中的地方，也是开放与封闭、业主与租户之争重新开始的地方。用户 · 其他代理 · 世界 · 人类 · 系统 · 数据 · 金钱 管理一架飞机上的多个工具 状态策略 会话已经做了什么 注册和血统 哪个代理做了什么 预算和撤销成本上限 · 终止开关 元工具 · Omnigent · OPA · 代理治理工具包 表面满足用户和金钱 接口 AG-UI · A2UI 支付和计量 x402 · AP2 · UCP 动作安全地做事 沙箱和执行 E2B · Daytona · 模态 权限和身份写入表面 — 未解决的差距 评估和可观察性 Langfuse · Phoenix Reach 连接和记忆 工具和上下文 MCP 代理到代理 A2A 内存 Mem0 · Letta · Zep 控制驱动循环 编排循环 LangGraph · CrewAI · AutoGen · LlamaIndex — 将模型转变为代理的原因与行动循环 模型 — 权重打开或关闭 · 可交换 · 商品化至零 该层已经是一个产品类别：仅 LangChain 就有126,000+ GitHub star 和 60% 的开发者份额； MCP 在第一年就达到了 9700 万次每月 SDK 下载量和 10,000 多个活跃服务器，在 16 个月内增长了 4,750%，并于 2025 年 12 月捐赠给 Linux 基金会的 Agentic AI 基金会。采用速度超过了治理：只有约 21% 的公司报告了成熟的代理治理。模型正在吃掉吊带，这就是开放 Terminal-Bench 2.0（2026 年 5 月）的开端，使吊带看起来像是任何人都可以捕获的免费午餐：第三方脚手架将 Anthropic 自己的权重运行到了 79.8%，而 Claude Code 在同一模型上管理了 58.0%，21.8 点的差距使吊带领先于权重。八周后，Terminal-Bench 2.1 扭转了局面。前沿实验室读取了该结果，并在内部拉动了安全带：在两者都出现的每个模型上，实验室自己的安全带现在获胜，并且 21.8 点的差距已压缩到顶部的大约 3：模型逐渐上升，重量和脚手架作为一个产品运输。 2026 年 5 月 · Terminal-Bench 2.0 2026 年 7 月 · Terminal-Bench 2.1 · 官方主板，经过顶级验证 集成是一条正在形成的护城河，实验室有充分的动力去深化它。与实验室体重紧密匹配的安全带变得更加贴合，而不是中性层。它会降低其他人的模型的性能，因此调整越紧，下面的配重就越不可互换。锁定是优化的副作用。开放模型没有第一方工具可以回答，这就是为什么没有一个工具出现在官方主板经过验证的顶层中。但缺席并不是无能：将每个模型放在一个中性支架上，差距就会缩小 vals.ai 的 Terminus-2 运行的 Terminal-Bench 2.1：相同的基准，为每个人提供一个中性的安全带。能力栏（以点为单位）；标签中每个任务的成本。就公平的利用而言，能力差距只有几个点；价格差距是5倍。最强的开放模型 GLM 5.2 比 Claude Opus 4.7 落后一小部分，比 Opus 4.8 落后约四分，而成本大约是 Opus 4.8 的五分之一。集成为实验室提供了开放式部署所缺乏的第二个优势：数据飞轮，通过实验室的工具的实际使用情况直接反馈到下一个模型中。这种优势是真实存在的，而且它是双向的：使用废气会影响拥有该安全带的人，唯一的问题是这是封闭端点还是您自己的堆栈。实验室已经证明该安全带值得拥有。同样的动作是开放的，与开放配重共同设计的线束，并且在封闭的堆栈完成将模型和脚手架焊接到一个租赁产品之前，现在可以将其保持在一层。写入表面：线束中心未解决的孔读取可逆且后果低。获取文档、查询数据库、列出日历。这些在很大程度上可以是默认允许的；一次错误的阅读成本很低，并且可以安全地重复。写出代价高昂或不可逆转的副作用。发送消息、根据预算支出、修改记录、执行交易。这是确认、批准门槛、成本上限和撤销必须集中的地方。未解决的权限问题是写入问题。线束生态系统现在涵盖大约十几个框架、十个线束和三个对等协议，但没有可移植模型定义哪些编写的代理可以在无人值守的情况下执行，哪些需要人工批准，哪些是禁止的，跨 MCP 主机、A2A 对等、直接工具调用和框架边界。协议加固了前门并就此止步：MCP 的 2025-11-25 规范将授权移至 OAuth 2.1 和 A2A v1.0 标准