半年窗口的提前啟動

Fable 級模型常態化的第一階段觀察與 Agent 基礎設施合流

英文工作名： The Half-Year Window Started Early: First-Stage Evidence for the Normalization of Fable-Class Models and the Convergence of Agent Infrastructure
作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
文件性質： AI 產業觀察論文／前作更新／可持續修訂稿
版本： v0.1
觀察截止日： 2026-07-18
前作： 《半年窗口：Fable 級模型常態化與 Agent 級 AGI 基礎設施的前夜》
前作日期： 2026-07-07

摘要

2026 年 7 月 7 日，前作提出一項高權重觀察假說：未來半年可能不是等待單一「AGI 模型」降臨的時期，而是 Fable 級能力逐步由少數前沿模型的特殊優勢，轉化為多家公司、多價格層、多部署形態與多種 Agent 工作流都能取得的常態化能力帶。

截至 2026 年 7 月 18 日，距前作成稿僅十一日，公開市場已密集出現 GPT-5.6、Meta Muse Spark 1.1、Kimi K3 與 Grok 4.5；此前不久，Claude Fable 5、GLM-5.2 與 Gemini 3.5 Flash 亦已發布。這些模型並不完全同等，也不能只憑供應商公布的 benchmark 直接排序；然而，它們在長程編程、知識工作、百萬 Token 上下文、多 Agent 調度、工具使用、電腦操作、上下文壓縮與工作台整合等方向上，呈現高度同步的產品化收斂。

因此，本文不主張「半年窗口已全部驗證」，而提出較嚴格的更新：

\boxed{ \text{半年窗口並非尚未開始的倒數，而是已提前進入第一階段驗證。} }

「半年」應重新理解為觀察能力擴散、價格下降、開放部署、Agent 可靠性與工作流吸收程度的驗證窗口，而不是等待相變起點的時間預報。

本文進一步區分「模型常態化」與「Agent 基礎設施常態化」：前者已出現強烈早期訊號，後者雖快速合流，仍未完成對長任務可靠性、錯誤恢復、權限治理、持久記憶、企業採用與人類審核介面的全面驗證。

關鍵詞： Fable 級模型、GPT-5.6、Kimi K3、GLM-5.2、Grok 4.5、Muse Spark 1.1、Gemini 3.5、Agent、模型常態化

一、不是勝利宣言，而是提前驗證紀錄

前作中的「半年」不是保證日期，也不是聲稱六個月後必然出現 AGI。它指的是：當模型能力、推理成本、上下文長度、工具介面、Agent framework、產品 UX、企業需求、安全政策與競爭壓力同時接近臨界點時，未來半年可能成為觀察這些條件是否合流的高價值窗口。

前作真正的判定重點不是社群是否高喊 AGI，而是：

模型能否處理跨檔案與跨工具工作；
長任務能否從數分鐘延伸至數小時乃至數日；
Agent 是否具備錯誤恢復與上下文維持；
工作台是否從聊天界面轉向任務委派；
成本是否下降到可日常使用；
企業是否把真實流程交給 Agent；
人類是否建立可審核、可回滾、可中止的介面。

從 2026 年 7 月 7 日到 7 月 18 日只有十一天。這足以觀察模型發布密度、能力方向收斂與供應商增加，但不足以驗證數月級穩定性、企業採用率、安全事故率與長期成本。

因此，目前結論強度應限制在：

L_2=\text{方向性更新}

至：

L_3=\text{競爭解釋中較佳}

而不是完整實證確認。

二、時間校準：相變起點可能早於前作

日期	模型／事件	與前作的關係	主要方向
2026-05-19	Gemini 3.5 Flash 模型卡	前作前 49 日	高速 Agent、長程執行、多模態、1M 上下文
2026-06-09	Claude Fable 5	前作前 28 日	長程 Coding、知識工作、電腦操作
2026-06-16	GLM-5.2	前作前 21 日	開放權重、MIT、1M 上下文、長程工程
2026-07-07	《半年窗口》成稿	觀察起點	建立半年驗證框架
2026-07-09	GPT-5.6 正式發布	前作後 2 日	模型分層、端到端知識工作、多 Agent
2026-07-09	Meta Muse Spark 1.1	前作後 2 日	多 Agent、Computer Use、1M 上下文、API
2026-07-16	Kimi K3	前作後 9 日	2.8T、原生視覺、1M 上下文、Agent 工作台
2026-07-16	Grok 4.5	前作後 9 日	Coding、Agent、知識工作、Office

Fable 5、Gemini 3.5 Flash 與 GLM-5.2 都早於前作，不能在事後全部算成「預測成功」。較嚴格的說法是：

它們構成前作形成時的背景訊號；
前作據此辨認出能力帶將快速擴散；
前作之後十一天內，GPT-5.6、Muse Spark 1.1、Kimi K3 與 Grok 4.5 形成新的追加證據。

因此，前作的歷史定位可能不是「相變前預言」，而是：

\boxed{ \text{相變初期的結構辨識} }

三、什麼叫做 Fable 級模型常態化？

常態化不要求所有模型完全相等。它只要求多個模型進入「前沿鄰近能力帶」：

\mathcal F_\theta(t) = \left\{ m\mid S(m,t)\geq \theta S^\ast(t) \right\}

其中：

$S^\ast(t)$ ：時間 $t$ 的可觀察前沿；
$\theta$ ：前沿鄰近門檻；
$\mathcal F_\theta(t)$ ：前沿鄰近模型集合。

當以下三件事同時發生時，常態化開始：

|\mathcal F_\theta(t)|\uparrow

即前沿鄰近模型數量增加；

\operatorname{Diversity}(\mathcal F_\theta)\uparrow

即供應商、國家、授權、價格與部署方式增加；

以及：

\operatorname{Substitutability}(\mathcal F_\theta)\uparrow

即同一工作流可在多模型之間遷移。

本文將常態化拆為五個維度：

N_F(t) = f(C_t,D_t,P_t,H_t,W_t)

其中：

$C_t$ ：能力接近度；
$D_t$ ：供應者多樣性；
$P_t$ ：價格與效率可用性；
$H_t$ ：Agent harness 成熟度；
$W_t$ ：工作流吸收度。

截至 2026 年 7 月 18 日，前四者已有明顯上升訊號，第五項仍待長期驗證。

四、中國前沿模型不再只是追趕者

4.1 GLM-5.2：開放長程工程基座

GLM-5.2 於 2026 年 6 月 16 日發布，其主要特徵包括：

工程可用的 100 萬 Token 上下文；
多級推理強度；
針對長程 Coding Agent 軌跡訓練；
MIT 開放授權；
多種本地推理框架支援；
與 Claude Code、OpenCode、ZCode 等 harness 整合；
明確處理上下文壓縮、超長軌跡與推理效率。

其意義不是單純 benchmark 提升，而是：

\boxed{ \text{前沿鄰近能力} + \text{開放權重} + \text{長程 Agent 訓練} + \text{工程部署} }

這削弱了「長程 Agent 基座只能由少數美國封閉公司提供」的假設。

4.2 Kimi K3：開放模型逼近全球前沿帶

Kimi K3 於 2026 年 7 月 16 日發布。官方公布：

2.8T 總參數；
原生視覺能力；
100 萬 Token 上下文；
面向長程 Coding、知識工作與推理；
可在 Kimi、Kimi Work、Kimi Code 與 API 中使用；
完整權重預定於 2026 年 7 月 27 日發布；
整體表現仍落後最強的 Fable 5 與 GPT-5.6 Sol，但已進入前沿級能力區間。

這顯示：

\text{開放或準開放模型} \rightarrow \text{全球前沿鄰近能力帶}

Kimi K3 還展示了長時間工程、多 Agent 研究、視覺—程式閉環、科學文獻到可執行程式，以及 Widgets、Dashboard、Work、Code 等產品棧整合。

但截至 7 月 18 日，完整權重尚未發布。後續需檢查：

是否按期發布；
授權是否足夠開放；
社群能否實際部署；
推理成本是否可承受；
第三方是否能重現長程能力。

五、美國前沿公司同步轉向 Agent 基座

5.1 GPT-5.6：能力分層與多 Agent 商品化

GPT-5.6 於 2026 年 7 月 9 日全面發布，形成：

Sol：前沿能力；
Terra：能力與成本平衡；
Luna：高效率與高吞吐；
ultra：多 Agent 平行工作模式。

這種分層表示常態化不只靠最高階模型，而靠：

\text{高階能力} \rightarrow \text{不同成本與延遲層} \rightarrow \text{大量工作流可用}

公開重點已從單次回答轉向端到端知識工作、Coding、Computer Use、設計判斷、多 Agent 調度與每美元任務成功率。

5.2 Muse Spark 1.1：平台型個人 Agent

Meta 於 2026 年 7 月 9 日發布 Muse Spark 1.1，並開放 Meta Model API 預覽。其方向包括：

多模態推理；
MCP、原生工具與自訂 Skill；
100 萬 Token 主動上下文管理；
多 Agent 編排；
Computer Use；
大型程式庫工作；
規劃、委派、子 Agent 執行與回報；
上下文壓縮。

Meta 的潛在優勢不只在模型，而是：

\boxed{ \text{模型} + \text{Agent} + \text{社交圖譜} + \text{裝置} + \text{平台分發} }

這使其可能走出與純模型公司不同的個人 Agent 路線。

5.3 Grok 4.5：從即時聊天轉向工程與知識工作

Grok 4.5 於 2026 年 7 月 16 日發布，官方定位已轉向：

Coding；
Agentic Tasks；
Knowledge Work；
長程軟體工程；
Office 工作；
高速與 Token 效率；
Grok Build 工作台。

這表示不同公司雖從不同路線出發，卻走向相似產品終點：

\text{規劃} + \text{工具} + \text{執行} + \text{驗證} + \text{工作成品}

六、Google：消費端體感與技術基礎必須分開

部分使用者可能認為 Gemini 在長篇協作、語義穩定性或完成感上不如 GPT-5.6、Fable 5 或部分中國模型。這是一種可記錄的產品體驗，但不能直接推出 Google 底層技術落後。

Google 已公開：

Gemini 3.5 Flash；
100 萬 Token 上下文；
長程 Agent 執行；
多 Agent 編排；
Coding；
多模態；
Tool Use；
Gemini Enterprise Agent Platform；
Google Antigravity。

同時，Gemini 3.5 Pro 仍標示為即將推出。

所以：

\boxed{ \text{消費端體感未必領先} \neq \text{研究與 Agent 基礎設施不先進} }

至於 Google 內部是否已有顯著超越公開版的模型，目前只能列為合理推論，不能視為已確認事實。

七、真正發生的是能力形態收斂

不同公司反覆使用相似概念：

Long-Horizon Tasks；
Agentic Coding；
Knowledge Work；
Computer Use；
Multi-Agent；
Planning；
Subagent Delegation；
Context Compaction；
1M Context；
Tool Calling；
MCP；
Office；
End-to-End Work；
Persistent Workspace。

這意味著競爭焦點已逐漸從單次問答，轉向：

\boxed{ \text{把模型變成可持續執行工作的認知作業核心} }

模型與 harness 也已不可分離：

\operatorname{Performance} = f(M,H,T,C,V,R)

其中：

$M$ ：模型；
$H$ ：Agent harness；
$T$ ：工具；
$C$ ：上下文管理；
$V$ ：驗證器；
$R$ ：錯誤恢復。

當模型差距縮小，真正差異可能來自任務分解、平行 Agent、工具選擇、記憶壓縮、權限、回滾與審核。

八、目前已獲得的第一階段支持

截至 2026 年 7 月 18 日，至少形成以下候選集合：

\mathcal F = \{ \text{Fable 5}, \text{GPT-5.6}, \text{Kimi K3}, \text{GLM-5.2}, \text{Grok 4.5}, \text{Muse Spark 1.1}, \text{Gemini 3.5 Flash} \}

它們並不完全同等，但已共同進入長程 Coding、知識工作、工具使用、多模態、長上下文與工作台整合構成的前沿競爭區。

若只有一家美國公司突破，仍可解讀為單點領先；但中國模型也在大規模 MoE、開放權重、百萬上下文、Coding Agent、多 Agent、低價 API 與工作台方向快速靠近，更合理的解釋是：

\boxed{ \text{前沿能力正在跨公司、跨國家擴散} }

同時，各家公司開始強調更少 Token、更低成本、更快完成、多種 effort level、模型家族分層與 Cache，顯示市場正從「能力是否存在」轉向「能力能否大量調用」。

九、尚未完成的第二階段驗證

9.1 長任務可靠性

仍需第三方長期驗證：

是否能穩定重現；
是否需要大量人工救援；
是否會中途偏離目標；
壓縮是否遺失關鍵約束；
是否產生難以發現的局部錯誤；
成本是否可被一般團隊承受。

9.2 錯誤恢復

真正的 Agent 常態化需要：

\text{Failure} \rightarrow \text{Detection} \rightarrow \text{Diagnosis} \rightarrow \text{Rollback} \rightarrow \text{Retry}

目前成功案例很多，但失敗分布、回復率、未察覺錯誤率與權限錯用仍缺乏充分資料。

9.3 權限治理

Agent 能操作程式碼、終端、網頁、檔案、Office 與第三方服務，因此必須同步成熟：

最小權限；
敏感操作確認；
操作日誌；
來源追蹤；
沙盒；
回滾；
資料隔離；
多 Agent 權限分層；
人類中止權。

9.4 工作流吸收

模型發布速度很快，但組織吸收速度可能較慢：

\text{模型能力} \rightarrow \text{產品功能} \rightarrow \text{工作流程} \rightarrow \text{組織制度}

所以模型常態化不代表勞動流程立即全面重寫。

十、修正版命題：半年是擴散窗口，不是等待窗口

原命題可修正為：

Fable 級能力常態化已經啟動；未來半年要觀察的是，這種能力是否由發布密集轉化為價格、部署、可靠性、Agent harness、企業採用與日常委派的全面擴散。

形式化為：

T_{\mathrm{start}} < 2026\text{-}07\text{-}07

而：

T_{\mathrm{validation}} = [2026\text{-}07\text{-}07,\ 2027\text{-}01\text{-}07]

三階段如下：

第一階段：能力帶形成

\text{少數前沿模型} \rightarrow \text{多供應商前沿鄰近集合}

目前狀態：已明顯開始。

第二階段：產品與價格商品化

\text{前沿能力} \rightarrow \text{不同成本、速度、授權與部署層}

目前狀態：正在快速形成。

第三階段：工作流與制度吸收

\text{模型可用} \rightarrow \text{Agent 可委派} \rightarrow \text{組織流程重構}

目前狀態：尚待驗證。

十一、後續更新計畫

節點	日期	主要檢查內容
基準版	2026-07-18	建立本篇與初始狀態
Kimi 開放節點	2026-07-27	K3 權重、授權、技術報告與部署
一個月節點	2026-08-18	第三方評測、API 穩定性、早期經驗
三個月節點	2026-10-07	Agent 生態、企業採用、價格與工作流
半年終點	2027-01-07	正式成立／部分成立／下修判定

每次更新應記錄六組指標：

模型能力：長程 Coding、知識工作、Computer Use、工具、多模態；
成本效率：API 價格、Token、推理時間、Cache、本地部署；
Agent harness：規劃、子 Agent、壓縮、恢復、驗證、回滾；
開放生態：權重、授權、社群部署、推理框架；
工作流吸收：企業、個人工作、Office、科學、法律、金融；
可靠性治理：幻覺、偏移、權限事故、Prompt Injection、人類介入。

十二、可證偽與下修條件

若未來出現以下情況，應下修常態化判斷：

benchmark 無法轉化為真實生產能力；
長任務成本過高；
Agent 仍需高密度人工救援；
開放模型因硬體、授權或成本無法實際部署；
半年後仍只有展示案例，未進入組織流程；
安全與權限治理成本上升得比可用能力更快。

人工介入密度可表示為：

D_{\mathrm{human}} = \frac{\text{人工介入次數}} {\text{任務時間}}

若它長期維持高位，Agent 只是放大局部工作，尚未形成真正可委派的基礎設施。

十三、對小型團隊與研究者的含義

當前沿能力逐步形成多供應商能力帶，最合理的策略不是永久依賴某一模型，而是建立：

模型可替換接口；
統一工具協議；
知識庫；
記憶層；
權限層；
驗證層；
回滾層；
可審核輸出；
Agent 任務格式。

即：

\boxed{ \text{模型可以更換，外部認知結構必須累積。} }

當基礎模型差距縮小，差異化資產將更多位於專業語料、特定工作流、領域驗證器、長期記憶、權限治理、人類審核介面與跨模型調度。

這與前作的戰略判斷一致：

半年窗口不是等待下一個模型，而是建造下一層結構。

十四、結論

截至 2026 年 7 月 18 日，最合理的判斷不是「Fable 5 已成為毫無差異的普通模型」，也不是「Agent 級 AGI 基礎設施已完成」。

而是：

\boxed{ \text{Fable 級能力已從單點領先，進入多供應商能力帶形成期。} }

同時：

\boxed{ \text{Agent 基礎設施的技術方向已高度合流，但可靠性與制度吸收仍待驗證。} }

GLM-5.2 與 Kimi K3 顯示，前沿 Agent 能力的擴散不只發生在美國封閉模型之間；它也可能透過開放權重、超長上下文、低價 API、Coding Agent、工作台與多 Agent 系統向外擴散。

GPT-5.6、Muse Spark 1.1 與 Grok 4.5 則顯示，美國不同類型公司正同步把競爭從聊天模型推向：

\text{端到端工作} + \text{工具} + \text{多 Agent} + \text{電腦操作} + \text{工作成品}

Google 的消費端體感可能暫時不占優勢，但其公開 Agent、長上下文、多模態與企業基礎設施仍使其不能被排除於前沿競爭之外。

因此，前作的半年窗口應更新為：

常態化不是六個月後才開始。它在文章完成時可能已經啟動。未來半年真正要觀察的，是模型能力帶能否穿透價格、部署、工作流、可靠性與制度治理，成為可持續委派的 Agent 基礎設施。

十五、一句話版本

\boxed{ \text{Fable 級模型常態化沒有等待半年； 半年窗口在被命名時，已經開始。} }

附錄 A：初始狀態表

模型	公開日期	長上下文	Agent／工具	多 Agent	開放狀態	觀察角色
Gemini 3.5 Flash	2026-05-19	1M	是	展示／平台	封閉	高速 Agent 與 Google 基礎設施
Claude Fable 5	2026-06-09	長程產品化	是	工作流支援	封閉	原始前沿標尺
GLM-5.2	2026-06-16	1M	是	Harness 可組合	MIT 開放權重	開放長程工程基座
GPT-5.6	2026-07-09	依產品規格	是	`ultra` 平行 Agent	封閉	分層與效率商品化
Muse Spark 1.1	2026-07-09	1M 主動管理	是	原生編排	API 預覽／封閉	平台型個人 Agent
Kimi K3	2026-07-16	1M	是	是	權重預定 7 月 27 日	中國開放前沿逼近
Grok 4.5	2026-07-16	依產品規格	是	長程 Agent 訓練	封閉	工程、知識與 Office 追趕

各公司使用不同 benchmark、harness、推理強度與成本假設，本表不將其視為可直接橫向排序的統一測量。

附錄 B：後續版本紀錄模板

版本：
觀察截止日：

一、新模型與產品發布
二、既有模型的重要更新
三、第三方評測變化
四、價格與效率
五、開放權重與部署
六、Agent harness
七、企業與個人工作流採用
八、可靠性、安全與治理事故
九、支持原命題的證據
十、反對或下修原命題的證據
十一、目前結論強度：L0 / L1 / L2 / L3 / L4 / L5
十二、下一觀察節點

參考資料

前作與內部文件

Neo.K，《半年窗口：Fable 級模型常態化與 Agent 級 AGI 基礎設施的前夜》，2026-07-07。
Neo.K，《脈衝式智能發展與現實耦合閾值》，2026-07-07。

官方公開資料

Anthropic, “Claude Fable 5,” 2026-06-09；全球重新部署更新，2026-07-01。
Z.ai, “GLM-5.2: Built for Long-Horizon Tasks,” 2026-06-16。
OpenAI, “GPT-5.6: Frontier Intelligence That Scales with Your Ambition,” 2026-07-09。
Meta Superintelligence Labs, “Introducing Muse Spark 1.1,” 2026-07-09。
Kimi, “Kimi K3: Open Frontier Intelligence,” 2026-07-16。
SpaceXAI, “Introducing Grok 4.5,” 2026-07-16。
Google DeepMind, “Gemini 3.5 Flash Model Card,” 2026-05-19。

版本說明

v0.1 — 2026-07-18

建立前作的第一份正式更新論文；
校準 2026 年 5 月至 7 月公開模型時間線；
區分模型常態化與 Agent 基礎設施常態化；
建立能力接近、供應商多樣性、價格效率、harness 與工作流吸收五維模型；
加入中國 AI、OpenAI、Meta、Grok 與 Google 的分別觀察；
建立 2026-07-27、2026-08-18、2026-10-07、2027-01-07 四個後續節點；
保留反證條件與下修機制。

半年窗口的提前啟動_Fable級模型常態化第一階段觀察_v0.1