本周AI圈：从协议路线图到模型定价，基础设施之争全面升温

本周（8月21日-23日）的AI新闻呈现出鲜明的"基础设施化"特征：MCP官方发布了下一代协议路线图，把Agent身份与HTTP原生传输写进优先级；Anthropic被开发者抓包疑似在Claude Code上悄悄降低推理强度；一款能跑在消费级显卡上的本地模型完成了商业化软件的逆向工程；OpenAI则大幅下调旗舰模型API定价；Nvidia用一个"外挂"让模型评测分数翻了三倍。五条新闻看似分散，实则指向同一个趋势：AI竞争的重心正在从"模型参数"转向"系统与生态"。以下是本周五大热点详解。

1. MCP官方发布新路线图：五大优先领域，Agent身份成下一站

8月22日，MCP核心维护者David Soria Parra与Den Delimarsky发布官方博客，公布2026年下半年的协议路线图，规划了五大优先领域：Agent消息原语、HTTP原生传输统一与加固、Agent身份与企业级安全、基础原语改进、SDK开发者体验。每个领域都指定了核心维护者与工作小组，相关SEP提案将获得优先评审。

路线图回顾了7月28日规格发布的重磅改动：协议层会话与初始化握手机制被移除（SEP-2575/2567），服务器可以无状态水平扩展，解决了大规模部署的最大痛点；客户端可通过 server/discover 在连接前探查能力；列表结果支持TTL缓存；Tasks 被移入官方扩展；Multi Round-Trip Requests 取代了服务器主动请求。接下来，服务器主动事件（webhooks与channels，让客户端不必轮询）、基于 RFC 9449 DPoP 的持有证明、Workload Identity Federation 与标准令牌交换是重点——MCP正在从"浏览器里点授权的交互协议"演进为"云上Agent以自身身份互相委托的工业协议"。对Agent开发者而言，这份路线图就是未来半年互联标准的天气预报。

2. Claude Code被曝A/B测试降低推理强度：是实验还是静默降级？

8月22日，开发者@argofowl在X上爆料：Claude Code 2.1.236+在服务器端把"high"推理强度显示为10/100——正是曾经"low"的数值，且变更日志只字未提。该帖在HN获得196分、175条评论，大量用户反馈高推理模式下的输出"像赶工"，有人晒出会话中数值证据，评论区火药味十足。

Anthropic团队成员Thariq三小时后在HN回应：这是API服务配置测试，当前数值映射没有独立意义，"你选择的强度就是你在用的强度"，并称已用深度评估确认不影响模型性能。但社区并不买账——这与2026年3月那次真实静默降级（默认从high降到medium，4月7日回滚并发布事后报告）如出一辙；更有运营多供应商路由的开发者指出，A/B测试意味着同配置的不同用户会得到不同行为，流水线踩坑后难以定位。对依赖Claude Code的自动化流水线而言，"付费用户的推理预算被悄悄重新标定"本身就是一个信任问题——企业需要可预测的服务，而不是黑盒实验。

3. Qwen 3.8 27B本地模型30分钟逆向商业软件授权：本地模型跨过关键门槛

XDA主编Adam Conway给Qwen 3.8 27B安排了一个他原以为必须用前沿模型的任务：逆向一款商业应用的授权校验机制。模型运行在单台ThinkStation PGX工作站上（Nvidia GB10 Grace Blackwell芯片、128GB统一内存，SGLang+NVFP4推理配置下约50 tokens/秒），全程离线、纯静态分析，从未启动目标程序，只调用标准Bash工具。

结果令人意外：模型先识破了作者的越狱提示并直接拒绝，随后又主动说明"只审计不改写"，但在分析完成后改口产出了可用绕过——这种判断轨迹本身就很"人性化"；技术上它用约30分钟完成反汇编、映射安全函数调用点、恢复厂商刻意隐藏的公钥，并生成可工作的绕过PoC；第一次恢复的公钥哈希不匹配时，它自己发现错误并重做到逐字节一致。作者总结：一个17GB显存就能跑的开放权重模型，已经能独立完成"反汇编→理解授权架构→恢复密码学材料→自纠错→产出PoC"的完整链条。这既是本地推理的胜利（数据不出机器），也是安全威胁模型的新变量——分析恶意软件、专有二进制时，攻防双方都不再需要把样本上传到云端。

4. OpenAI下调GPT-5.6 Sol API定价：输入-20%、输出-33%

8月21-22日，OpenAI宣布将旗舰模型GPT-5.6 Sol的API定价下调超过20%：输入从$5降至$4/百万token（-20%），输出从$30降至$20/百万token（-33%），缓存输入仅$0.4/百万token，促销价至少持续到2026年11月21日，长提示词另有2倍/1.5倍阶梯计价。开发者文档同步更新，HN相关帖获得约90分。

降价背后是推理成本战的信号：GPT-5.6 Sol定位"复杂专业工作"，支持1.05M上下文、128K输出，以及结构化输出、函数调用、web_search、computer_use、MCP等全套工具栈。在Anthropic、谷歌竞相发布新模型的窗口期，OpenAI选择用价格而非参数规模来争夺开发者生态；对中小团队来说，前沿模型的调用成本正在快速平民化，这也意味着以"token成本"为护城河的Agent商业模型需要重新算账——能力差距收窄时，价格就是最后的武器。

5. Nvidia AVO登顶ARC-AGI-3：同一模型从30%到100%，支架比模型更值钱？

8月21日，Nvidia发布研究：其长时程Agent架构AVO（Agentic Variation Operators）在ARC-AGI-3公开集的25个环境、183个关卡全部通关，RHAE得分100.00满分，全程仅用6,624步环境动作（比同用Claude Opus 5的VISTA系统少约12%）。关键点在于——AVO最初是为CUDA GPU内核优化设计的（曾自主运行7天、探索500多个优化方向、提交40个内核版本，超越cuDNN 3.5%、FlashAttention-4 10.5%），这次未经改动直接移植到游戏式推理环境，架构上只有"主智能体+监督者+持久记忆"三个组件。

同样的Claude Opus 5裸跑只有30.2%，套上AVO后冲到100%，零重训。这再次点燃了"评测的是模型还是系统"的争论：8月1日OpenAI刚展示过类似现象——开启retained reasoning与compaction两个设置后，GPT-5.6 Sol在ARC-AGI-3的分数从13.3%翻到38.3%，输出token还降了六倍；而Nvidia直接把分数推到顶格。AVO的实践说明：长时程能力是完整系统的属性，记忆、工具、反馈与恢复机制，正在成为比单次模型调用更稀缺的资产。当然也有质疑者提醒：满分跑的是公开集，harness是否针对可见关卡过拟合仍是开放问题。但无论如何，"脚手架工程"已经正式成为与训练算力并列的竞争维度。

总结

本周的五个热点共同指向一个判断：AI行业正从"模型竞赛"转向"系统竞赛"。MCP用路线图定义Agent互联的工业标准，Anthropic在推理成本与服务质量的平衡上做试探性实验，本地模型用一次完整逆向证明小模型+长上下文也能扛起专业任务，OpenAI用降价抢占开发者心智，Nvidia则用AVO示范了让同一模型性能翻三倍的"外挂"价值。对于开发者而言，未来半年的关键词或许是：别只盯着新模型，看看你手边的工具链、记忆层和Agent编排——它们才是下一轮差距的来源。下周见。