- 核心观点：Multi-Agent及长程任务是推动AI发展进入新一轮Scaling Law的关键，通过提升单Token推理成本和通信开销非线性扩张，为AI产业链带来新的增长空间，并推动AI从“辅助工具”向“生产力主体”转变。
- 长程任务的重要性：长程任务是新一代SoTA模型的竞争焦点，要求Agent自主拆解任务、持续运行数小时至数天，依赖1M以上的无损上下文。长程任务能力的突破支撑Multi-Agent、模型自治等新场景落地，决定AI能否实现质变。2026年7月，智谱发布GLM-5.2以长程任务为核心，标志着国产模型跻身全球第一梯队。
- Multi-Agent的架构优势：单Agent处理长程任务面临context rot问题，Multi-Agent通过编排器动态拆解任务并分配至多个subAgent并行执行，实现协作。Claude Code等产品验证了单Agent的商业化闭环，但长时间任务成功率仍低。基于Multi-Agent架构，Claude并行探索多个研究方向，内部评测超越单Agent 90.2%；Vending-Bench 2和Hertz Connected Fleet OS的落地，标志着长程Multi-Agent从“完成任务”走向“运行系统”。
- Harness的重要性：Agent = Model + Harness，Harness是Multi-Agent时代大模型的操作系统与数据底座。更换Harness带来的性能提升约为更换模型的22倍，证明Agent产品的性能差异已从模型本体转向Harness工程。
- 国产模型、云及CPU、AI应用受益方向：
- AI Infra（CPU、服务器与云）：Multi-Agent拓展Token增量空间，驱动CPU、服务器与云需求扩张，建议关注海光信息、浪潮信息、深信服、金山云等。
- 国产模型：Multi-Agent丰富了模型的评判标准，国产模型综合能力有望提升，中长期RSI（Recursive Self-improvement）成为追求方向，建议关注智谱及其他国产模型。
- AI应用：Multi-Agent将AI升级为“数字员工”，有望落地更多商业化场景，建议关注晶泰控股、英矽智能、金山办公、金蝶国际等。
