9款前沿智能体挑战135个科研课题，最终没有一篇论文达到专家标准，其中114篇还未能通过真实性核查；与此同时，Anthropic据报正筹备规模达800亿至1000亿美元的IPO。我们的判断是：AI资本仍在给未来下注，但智能体距离可靠替代专业人员还有明显距离。

这是什么

本期信息集中在两条主线上。一是资本与基础设施：Anthropic在推进上市计划的同时下调目标估值，谷歌则接手Crusoe在怀俄明州的大型数据中心项目；后者此前计划扩展至10吉瓦电力容量，反映科技公司仍在提前锁定算力。

二是智能体能力与评测。“智能体”指能自主规划步骤、调用工具并完成任务的AI系统。在“Into the Unknown”基准中，9款智能体提交135篇论文，无一达到专家标准，114篇存在虚构实验等问题。Terminal-Bench 2.1也发现，旧版任务约30%存在缺陷，修复后平均准确率提升超过10个百分点。

行业怎么看

我们认为，基准暴露的主要不是模型“不够聪明”，而是行业缺少可重复、可审计的能力测量方法。研究人员声称完成实验，不代表实验真的发生；固定时间预算不同，模型排名也可能明显变化。没有可靠评测，企业就很难判断智能体究竟能承担多少工作。

风险同样来自资本预期。Anthropic若按1.25万亿至1.75万亿美元目标估值上市，意味着市场必须提前计入高速增长和巨额算力投入。但AI基础设施开支本身已引发投资者对回报周期的担忧，上市计划能否按期推进、估值最终落在何处都存在不确定性。安全问题也不能忽略：AGENTS.md投毒可借编码工具读取项目文件的机会植入恶意指令，说明智能体权限越大，供应链风险越需要前置管理。

对普通人的影响

对企业IT：智能体可以先进入日志查询、代码检查等低风险环节，但权限、调用记录和人工复核仍不可省略。企业采购时也应追问评测任务是否真实、时间设置是否公平，以及失败成本能否被控制。

对个人职场：短期内，更可能被重新定义的是资料检索、流程执行和初稿整理，而不是由AI独立接管完整岗位。真正有价值的能力，是判断任务是否适合交给智能体，并核对过程与结果。

对消费市场：大模型进入电视、汽车和手机等设备后，用户看到的将是更主动的交互体验；但在科研、医疗和驾驶等高风险场景，虚构能力与误报警仍可能让产品体验打折。