AI 智能体失败了，问题可能不在模型

Lauren Tan 的 pstack 工作流证明，智能体能自己验证输出、循环工作到任务完成，是高频合并代码的关键。单应用场景下这靠一个可被智能体驱动的富运行时实现，但分布式系统没有这种现成运行时。现有方案在保真度、并发隔离和成本之间无法兼顾，需要把「环境」当成对运行中系统的一个视图而非副本。

推理成本持续走低，8 月每 token 价格再降 23.2%。Zed 用线程、OpenRouter 用区域路由、Anthropic 用统一界面，都在争夺执行框架这一层。Real-SWE 基准测试显示，最好的配置成功率也只有 38.8%，没有模型能突破 40%。