「 Measuring Agents in Production 」 2023年，Agent 是我的宗教。 2024年，在学术上，发了 Agent 的 paper，与朋友合作，在工业界场景第一次跑通第一个 Agent。 2025年，所有的公司都在做 Agent，导致我看到 Agent 就感到审美疲劳。 现实世界的应用里，除去 Coding Agent，其他领域的Agent 到底是autonomous Agent，还是只是一个写好的 workflow？ 如果有一个明确目的Agent 就是一个种 workflow，那么没有明确目的的 Agent 形态是什么样的，是否有存在意义？ 更重要的是，现实世界的 Agent 有没有做完备的评估？它的可靠性和安全性到底如何？ 来读这篇， Measuring Agents in Production。

读了 Gemini 3 的 model card，会发现 Gemini 3 明确不是 Gemini 2.5 的微调，它是全新训练的 sparse MoE 。 也就是说，在 Gemini 2.5 已经非常出色的 RL 后训练和 parallel thinking 基础上，崭新的 backbone 让 Gemini 3 非常出色，总结这半年 Gemini 的工作： 1. 出色的 RL 后训练 2. parallel thinking 3. 崭新的 backbone 4. 一个又一个公开的对行业有益的benchmark，如 IMO-Bench 对比一下这半年 OpenAI 做了什么？ 1. 不存在的 GPT-5 2. Adaptive thinking, 主打一个为企业省钱，把用户当sb 2. 被人遗忘的 agent mode 3. proactive assistant，涌动的广告之心 4. credit expiration，紧盯着用户的钱包 5. Sam 永无止境的 Hype 什么是伟大的公司，什么是鸡贼的公司？

今天在 huggingface 上看到了 VibeThinker-1.5B，来自微博 AI。 这个名字熟悉又陌生。才意识到，拥有巨量数据的微博，在 AI 领域不是掉队的问题，是似乎毫无存在感。