导语 | Lead
过去一周，AI Agent 赛道密集交出三份答卷：微软 Build 大会发布智能体操作系统和专属搜索引擎，阿里 Qwen3.7-Plus 实现 11 小时自主开发完整 APP，字节扣子 3.0 把多人多 Agent 协同做到了产品级。当巨头们同时从模型、平台、基础设施三个维度押注 Agent，一个信号已经很明确——智能体不再是演示视频里的酷炫 demo，它正在变成开发者必须面对的生产基础设施。
01｜微软 Build：为 Agent 造一整套「水电煤」
北京时间 6 月 3 日凌晨，微软 Build 2026 开发者大会正式开幕。这一届大会的主题可以用一句话概括：微软要把 Windows 变成 Agent 的操作系统。
先看最重磅的发布：Project Solara。
这不是一个 Windows 更新，而是一个全新的操作系统——底层跑的是定制版 Android。微软给它的定位是「为 AI 智能体从零构建的新平台」。
会上展示了两款概念设备。一个是桌面终端，长得像 Echo Show，人脸识别解锁后直接调用 AI Agent；另一个是可穿戴智能胸牌，配了摄像头和指纹传感器，按一下就能启动 Agent，摄像头还能让 Agent「看见」你眼前的世界。
微软没有打算自己卖硬件。这两款设备是「参考设计」，百思买、CVS Health、Target 等厂商已经启动试点。
为什么选 Android 不选 Windows？微软的解释很务实：Project Solara 面向的是小尺寸、低功耗设备，同时要保留企业级安全管控能力。定制版 Android 能跑在工牌、耳机、桌面终端这些形态上，Windows 做不到。
第二个关键发布：Web IQ。
这是一个专为 AI Agent 打造的搜索引擎。不是给人用的，是给智能体用的。
传统搜索是「人输入关键词 → 返回链接 → 人自己筛选」。Web IQ 的逻辑完全不同：Agent 告诉搜索引擎「我要比较三家供应商的价格和交付周期」，Web IQ 返回的不是十个蓝色链接，而是一个高度浓缩、结构化的信息页面——Agent 拿过来就能直接解析和行动。
微软搜索部门负责人 Jordi Ribas 透露，95% 的请求能在 165 毫秒内响应，速度约为同类产品的 2.5 倍。目前已用于 Copilot 和 ChatGPT。
这个发布的意义在于：Agent 需要自己的互联网入口。 人类有 Google、百度，Agent 也需要自己的搜索引擎。Web IQ 就是微软给 Agent 造的「百度」。
第三个关键发布：MAI-Thinking-1。
微软首款自研推理模型。350 亿激活参数，128K 上下文窗口。微软特别强调：这个模型完全基于自有数据从零训练，没有蒸馏任何第三方模型。
在盲测中，评审者整体偏好 MAI-Thinking-1 超过 Claude Sonnet 4.6；在 SWE-bench Pro 代码任务中，表现与 Claude Opus 4.6 相当。
同步发布的还有 MAI-Code-1（代码模型，已上线 GitHub Copilot）、MAI-Image-2.5（图像生成，榜单前三）、MAI-Voice-2（语音合成）等。微软一口气把推理、代码、语音、图像的自研模型矩阵补齐了。
对开发者的直接信号：GitHub Copilot 的底层模型不再完全依赖 OpenAI 和 Anthropic，微软开始用自己的模型了。
此外还有 Scout（受 OpenClaw 启发的本地 Agent 助手）、MXC 沙盒框架（多 Agent 编排）、Majorana 2 量子芯片等发布。微软同时在推进 AI 模型、Agent 搜索、智能体操作系统、量子计算、云平台五条线，目标是占据智能计算的每个关键入口。
02｜阿里 Qwen3.7-Plus：11 小时自主开发一个 APP
同一天，阿里通义千问团队发布了 Qwen3.7-Plus。
这不是又一个「参数更大、跑分更高」的模型。它的核心定位是多模态智能体基座——把视觉理解、语言推理、工具调用统一到一个模型里。
几个关键信息：
Vision Arena 全球前五、中国第一。 这个榜单评测的是模型「看懂屏幕并操作」的能力，是衡量 Computer-Using Agent（计算机使用智能体）水平的核心指标。
11 小时自主开发完整 APP。 基于 Qwen3.7-Plus 构建的 Hybrid-Agent 系统，连续稳定运行超过 11 小时，调用工具超 1000 次，生成超 10000 行代码，在零人工干预下完成了一个英语单词学习 APP 的全流程开发，还高保真复刻了 macOS 原生 Stocks 应用。
跨框架兼容。 无论是 Claude Code、OpenClaw、Qwen Code 还是其他框架，Qwen3.7-Plus 都能保持稳定表现。这意味着开发者不需要被绑定在某个特定的 Agent 框架上。
对开发者来说，Qwen3.7-Plus 传递的信号很清晰：多模态 Agent 已经从「能看图说话」进化到「能看图做事」。 Agent 不再只是处理文本，它能同时「看屏幕」和「敲命令」，这是走向通用计算机使用智能体的关键一步。
已通过阿里云百炼和 Qwen Studio 对外开放。
03｜扣子 3.0：Agent 协同从个人工具到团队基础设施
6 月 1 日，字节跳动旗下 AI Agent 平台扣子（Coze）发布 3.0 版本，全端同步更新。
最核心的升级：多人多 Agent 协同。
过去用 Agent 是一个人对着一个 Agent 干活。扣子 3.0 支持两种模式：一人多 Agent（一个人指挥多个 Agent 干不同事）和多人多 Agent（多个人各带自己的 Agent 协作）。多项目独立管理，资产自动沉淀，覆盖从开发到上线的完整工作流。
另一个关键动作：接入 Claude Code、Codex CLI、OpenClaw 等主流本地 Agent 工具。
字节自己的大模型豆包当然可以用，但扣子 3.0 选择开放生态。这意味着你可以在扣子里直接调用 Anthropic 的 Claude Code 写代码，用 OpenClaw 做自动化任务，用 Codex CLI 做代码补全——一个平台串起所有 Agent 工具。
此外还有垂直领域技能包（自媒体、法律、金融、医疗健康等）、手机电脑跨端同步、视频全流程迭代（剧本→分镜→生成→剪辑→导出剪映工程文件）等能力。
对开发者的信号：Agent 正在从「个人效率工具」变成「团队协作基础设施」。 当一个平台能支持多人带着各自的 Agent 一起干活，它就不再是一个玩具，而是一个生产力平台。
04｜三件事指向同一个方向：Agent 基础设施化
把这三件事放在一起看，你会发现一个清晰的脉络：
微软做的事是造基建。操作系统（Project Solara）、搜索引擎（Web IQ）、模型矩阵（MAI 系列）、沙盒框架（MXC）、本地 Agent 工具链（Scout）——它在为 Agent 时代造一整套水电煤。
阿里做的事是造能力。Qwen3.7-Plus 让 Agent 能「看懂屏幕并操作」，11 小时自主开发 APP 证明这种能力已经到了生产级。
字节做的事是造平台。扣子 3.0 把多人多 Agent 协同产品化，让 Agent 从个人工具变成团队基础设施。
模型能力 + 基础设施 + 协作平台，三个维度同时推进。 这不是巧合，而是 Agent 赛道竞争进入第二阶段的标志。
第一阶段比的是「谁的模型更聪明」。第二阶段比的是「谁能围绕 Agent 构建完整的生产环境」。
05｜开发者该怎么看？
如果你是应用开发者： Agent 的开发范式正在从「调 API → 生成文本」转向「多模态感知 → 工具调用 → 自主执行」。Qwen3.7-Plus 的跨框架兼容性意味着你不需要被绑定在某个框架上，但你需要开始思考：你的应用怎么和 Agent 协作？你的数据和接口怎么被 Agent 调用？
如果你是企业管理者： 扣子 3.0 的多人多 Agent 模式值得关注。当 Agent 能以团队为单位协作，它对工作流的改造就不再是「加个 AI 功能」，而是「重构协作方式」。
如果你是模型开发者： 微软 MAI-Thinking-1 的信号是——大厂不再满足于只用别人的模型。自研推理模型 + 自有数据训练 + 企业级合规，这条路线会越来越主流。
所有人都该关注的一点： Agent 需要自己的搜索引擎。Web IQ 的出现意味着，未来 Agent 获取信息的方式和人类完全不同。如果你的产品依赖用户「搜索→点击→操作」的路径，这个路径可能很快被 Agent 绕过。
一个判断
2026 年 Q2 结束时，AI Agent 赛道的竞争格局已经和 Q1 完全不同。
Q1 的关键词是「谁的模型更强」。Q2 的关键词变成了「谁的 Agent 生态更完整」。
微软在造操作系统和搜索引擎，阿里在造能自主开发 APP 的模型，字节在造多人 Agent 协作平台。当这些基础设施拼在一起，Agent 离「像人类一样使用电脑」就只差最后一步了。
这一步可能比我们想象的更快。
SEO 关键词说明
- 核心词：
- 场景词： 微软 Build 2026、Qwen3.7-Plus、扣子 Coze 3.0、多模态智能体
- 需求词： Agent 开发范式、多人 Agent 协同、AI Agent 搜索引擎、Computer-Using Agent
- 长尾词： 微软 Project Solara 操作系统、Web IQ 智能体搜索、阿里 Qwen3.7-Plus 11 小时开发 APP、扣子 3.0 多人多 Agent 协作
10个月宝宝每天需要喝多少奶粉？
