【AI早读 0707】智能体自主性分级与 Agent 生态加速进化

过去 24 小时里，AI 圈的三件大事都在指向同一个方向 - Agent 正在从“对话助手”进化成真正能自主行动的系统。Addy Osmani 发布了一套衡量 Agent 自主性的双轴框架，AWS 把 MiniMax 的智能体原生模型放到 Bedrock 上，Hugging Face 的 LeRobot v0.6.0 给机器人学习加上了世界模型和奖励模型。我会逐一拆解这三条线，看看它们拼出了怎样的画面。

自主性的两张面孔

Addy Osmani 在《Agentic Autonomy Levels》里提出了一个关键观察：过去那种“一条梯子衡量自主性”的方式已经不适用了。早期大家用一个阶梯编号来衡量自己对单个 Agent 的信任程度 - 从 L0 的纯辅助到 L5 的全自主管理。但今天的情况复杂得多：你可能同时运行着几十上百个 Agent，单条梯子根本放不下这种多 Agent 协作了。

他给出的方案是两个轴：

执行轴（Agency），衡量单个 Agent 能离你多远。低端是“提建议等你拍板”，中端是“干一个特定任务并随时汇报”，高端是“对着一个目标自己摸索试错直到做出来”。

编排轴（Orchestration），衡量你能协调多少个 Agent。低端是“一个 Agent 一条线程”，中端是“几个 Agent 各管各的文件夹”，高端是“一个管理 Agent 拿着工单队列自行分派工作，人只在出错时介入”。

这六个等级折叠成三个时代：你在驾驶座上的时代、Agent 接管有限任务的中间时代、和编排系统自动运转的“例外管理”时代。

链接：Agentic Autonomy Levels

Claude Code 与 Codex 的真实数据

Osmani 还引用了一组 Anthropic 的研究数据。Anthropic 分析了约 40 万次 Claude Code 会话，时间跨度从 2025 年 10 月到 2026 年 4 月，涉及约 23.5 万人。结果很有意思：人们做了约 70% 的规划决策，但 Claude 执行了约 80% 的具体操作。

另一个数据点：在难度最高的任务上，Claude 主动请求说明的频率是用户中断它的两倍以上。而经验丰富的用户（750+ 次会话 vs 不到 50 次）更倾向于自动批准和“看着它干”。

这些数字回答了“高自主性是不是等于把人排除在外” - 答案是恰好相反。自主性的天花板不是模型能力，而是风险的可逆性。你能接受多严重的错误，就能放多高的自主性。

MiniMax M2.5：为 Agent 原生构建

AWS 在 Bedrock 上发布的 MiniMax 模型家族和上述框架形成了有趣的呼应。MiniMax M2.5 是专门为“agent-native execution”训练的 - 它的训练数据里强调 tool-calling、多步任务分解和长周期编码任务。

MiniMax 采用 MoE（混合专家）架构，每个 token 只激活一小部分参数，用更低的推理成本换取大模型的容量。模型是开权的，意味着你可以自己跑基准、微调，甚至用 Bedrock 的全托管基础设施来跑，不需要自己架推理栈。

这不是一个普通的模型上线新闻。它在回应一个趋势：如果 Agent 是下一波主要工作负载，那模型应该从架构层就为 Agent 设计，而不是拿通用模型加一层 tool-calling 胶水。

链接：Run MiniMax models on Amazon Bedrock

LeRobot v0.6.0：把“想象未来”装进机器人

如果说前两件事关注的是数字世界的 Agent，那 LeRobot v0.6.0 关注的是物理世界的 Agent - 机器人。

这次发布的主题是“Imagine, Evaluate, Improve”。核心新增包括三类世界模型策略：VLA-JEPA 在训练时学习预测未来帧的 latent space 表示，推理时世界模型直接消失，没有额外开销。FastWAM 配了一个约 5B 的视频生成专家和一个紧凑的动作专家，模型学会自己“做梦”来做 rollout。LingBot-VA 则更进一步：自回归地预测未来视频和动作的组合块，你可以把机器人的想象画面存下来，和实际执行结果做对比。

新加入的奖励模型 API 也很有意思。Robometer 是一个通用奖励模型，拿任意 LeRobot 数据集加上语言指令，直接打分判断任务进度和成功率，不需要针对特定任务训练。TOPReward 更极端 - 零参数量，用现成 VLM 的 log-probability 来判断“True”这个 token 的概率，从而推断任务是否成功。

链接：LeRobot v0.6.0: Imagine, Evaluate, Improve

三条线的交汇

Osmani 的框架提供了衡量标准，MiniMax 提供了 Agent 原生模型，LeRobot 把同样的思路延伸到物理世界。

这三件事拼在一起，画面就清楚了：Agent 生态正在从“一个模型 + 一个 prompt”向“多个 Agent + 编排系统 + 自主性分级 + 物理世界延伸”演进。这个转化的关键瓶颈不再是个别模型的能力，而是 - 你能把任务拆多细，你能容忍多大风险的自动化，你的编排系统能容纳多少 Agent 并行。

---

来源：VerySmallWoods Research Feed - 2026-07-07 UTC