模型供应链开始成为产品架构的一部分。Cursor 与 OpenAI 的合作转折说明，开发工具即使拥有稳定用户，也可能因商业关系变化而失去直连能力；Anthropic 随即承诺扩容，体现竞争已延伸到供给承诺。随后，GLM-5.3 以开放权重和多种部署框架降低替换门槛，但编码成绩仍主要来自发布方，独立复现尚未补齐。围绕 NVIDIA 与 Hugging Face 的交易报道又出现成交状态分歧，进一步提醒团队：模型、分发平台和开源生态并非彼此独立。真正需要管理的是路由、配额、数据留存、故障切换和许可证，而不是把某次榜单领先当成长期保证。

浏览器 Agent 的分化已经不是功能清单之争，而是登录态、隔离和审批方式的取舍。Claude in Chrome 进入用户现有浏览器，能直接利用已登录页面，但也把网页注入、误操作和权限继承推到前台；Cowork 的内置浏览器通过独立环境换取更明确的任务边界。与此同时，Claude 把 Chat 与 Cowork 的记忆连通，ChatGPT Work 又把 Slack、Gmail 和 GitHub 的变化变成任务触发器，Agent 因而从被动对话走向持续执行。再叠加模型供应关系可能变化，产品设计需要把用户身份、站点会话、记忆范围、动作批准和底层模型拆开管理，而不能把它们封装成一个不可解释的「自动完成」按钮。

Agent 工程的主要成本正从生成代码转向组织执行。用 14 个账号并行跑 150 多个 Agent 的个案展示了并发上限，却没有调度、质量或成本数据；Shopify 的配置冲突则给出更具体的警告：当 AGENTS.md、Skills 与目录级规则不能形成一致上下文，更多并发只会放大偏差。几天后，GitNexus、Agent 优化 Skill 和生产会话分析工具分别补上代码关系、基准调参与线上失败检测。Asana 与 Airbnb 的迁移案例进一步说明，Agent 可以快速吃掉高回报批量工作，但尾部例外仍需要人工收口。规模化的关键因此不是再增加一个模型，而是让任务分片、上下文版本、评测、回滚和责任人形成可复现闭环。

算力、单位成本与产品套餐正在重新耦合。OpenAI 的 Jalapeño 试图用自研推理芯片同时改善吞吐、延迟和能效，第三方现场数据给出很高的单用户速度，但仍缺独立复现；小模型的个人试用又显示，部分研究任务的单次成本可能下降一个数量级。成本下降并没有让商业模式变简单：OpenAI 同时推出每席每月 100 美元的团队档位，行业访谈则预期 OpenAI 与 Anthropic 将吸收更大比例的新增算力。开放权重模型和平台交易传闻让供给侧更复杂，而事件触发任务、浏览器执行和多 Agent 并发会迅速放大需求。团队需要同时观察单次推理价格、任务成功率、重试次数和组织席位利用率，才能判断所谓降价是否真的降低总成本。