北京智能体新政十策：100步任务成功率仅36.6%

北京市今天端出了《关于加快智能体引领发展的若干措施》，十条内容直接把Agentic AI、Harness Engineering、Token经济这些论文术语写进了红头文件。以前这些词只活在arxiv上，现在成了公文里的常客。

基础模型能力

第一条上来就喊“持续提升大模型实际任务完成能力”。群里开发者算过一笔账：Agent跑100步，每步准确率99%，从头到尾全对的概率只有36.6%——意思就是，让AI连续干100件事，看着挺稳，实际上三次里就一次能干完。就算每步拉到99.9%，完整跑通也就90.5%。前沿评测METR已经在用Task Completion Time Horizon测Agent独立完成长任务的成功率，说明这事真没人能糊弄。

驾驭层工程

第二条把Harness Engineering翻译成“驾驭层工程”，要求优化上下文、搞任务持久化、多智能体协作这些底座。有论文《Agentic Harness Engineering》验证：基础模型不动，只迭代工具和中间件，Terminal-Bench2的Pass@1从69.7%干到了77.0%。政策还提到了技能市场、软件商店和AIP互联标准——相当于给Agent搭了个App Store生态。

需求智能

第三条鼓励用智能体重构底层架构，核心是“需求智能”。软件智能分三层：功能智能（要啥步骤给啥）、流程智能（自动串联步骤）、需求智能（只说结果，系统自己规划）。群里开发者试了说，最后一层才是真“甩手掌柜”。政策还点名了FDE（前沿部署工程师）和五个标杆场景：科学、医疗、教育、政务、制造、文化。

终端嵌入

第四条要求把Agent塞进手机、眼镜、耳机、可穿戴、机器人、汽车，搞“芯模云端用”一体化。端侧管低延迟感知和隐私数据，云端负责复杂规划，设备间共享任务状态。还有一条：以旧换新政策也兜进来了——换手机能薅补贴搞Agent，听起来挺实在。

一人公司

第五条推OPC（一人公司）模式。Agent降低企业协调成本，一个人用多套Agent就能干原来一个团队的活。政策配套弹性算力、孵化、社区服务。有开发者试了说：“我手里三个Agent，一个写码一个测试一个拉客户，月流水顶五个人的旧团队。”当然，这是吹牛还是真事儿，群里吵得厉害。

Token经济

第六条搞Token经济标准。从Token消耗量计费转向价值计费，核心指标换成了Cost per Successful Task和Value per Successful Task。三类商业模式：TaaS（Token即服务）、AaaS（Agent即服务）、RaaS（结果即服务）。群里在传，做云服务的公司已经在算账：以前按Token量收钱像卖沙子，现在按任务结果收钱像卖房子，利润模型得重写。

安全治理

第七条强调Agent安全。Agent有行动权，风险从“一句话说错”升级为“一件事做错”。需防范目标理解错、权限越界、提示词注入等五类问题。文件提出分级分类监管。有安全从业者说：“以前是内容审核，现在是行为审核，Agent把事儿干了再追责就晚了。”

银河算廊

第八条“银河算廊”工程，建设面向智能体高频并发、低延迟的算力网络，融合5G-A、6G、F5G，挖掘存量算力。支持银行保险开发金融产品，其中“任务轨迹”被视为新时代核心资产。意思是，Agent干活过程里的每一步数据，都能当资产抵押贷款——这操作让做数据资产的团队眼睛发亮。

开源开放与出海

第九条推动开源开放，建设中国与上合组织国家合作中心，研究“一国一策”出海路径。智能体生态网络效应强，开源协议是关键。群里有人吐槽：“协议不统一，Agent出了国可能因为许可证不一致直接罢工。”

保障措施

第十条统筹国家和市区财政资金、政府投资基金等，支持智能体产业发展。说白了，钱到位了。

---

接下来盯着看：这些政策能孵化出几个真能打的一人公司？还有，Token经济要从消耗量转向价值计费，做FinOps的团队可能要重新算账了。另外，那个“任务轨迹当资产”的玩法，会让银行和保险先难受还是先受益？