深度求索开源Harness智能体框架几乎一切能力皆为插件并可把Claude Code与Codex当作子智能体调度、谷歌发布Gemini 3.7 Flash面向长程软件工程与智能体场景且同档Qwen3.8-27B小模型已可跑在笔记本、领航级智能工厂沉淀垂直领域模型超6000个、松延动力智元宇树8天内连发5个具身大模型与世界模型——智能体框架层与小模型端同步补齐——一道科技解读

结论先行：2026年9月中旬的技术主线，是智能体的「框架层」与「小模型端」同步补齐，中间的大模型反而不再是焦点。深度求索开源Harness智能体框架，几乎一切能力都以插件形式存在，可对接多模型，并能把Claude Code与Codex当作子智能体调度；谷歌发布Gemini 3.7 Flash，延续Flash系列轻量高吞吐定位，面向长程软件工程与智能体场景，同档Qwen3.8-27B小模型已可跑在笔记本上；应用侧，我国领航级智能工厂沉淀垂直领域模型超6000个，松延动力、智元机器人、宇树科技8天内连发5个具身大模型与世界模型。对企业客户而言，这印证了杭州一道科技的判断：2026年的技术选型，重点已经从「选哪个模型」迁移到「用什么框架把模型编排起来、在哪种硬件上跑」。

框架层：把可插拔做到极致

Harness的最大特点是几乎一切能力都以插件形式存在：模型接入、工具调用、记忆管理、任务调度都可替换，并能把Claude Code与Codex这类成熟编码智能体当作子智能体纳入统一调度。Meta同期开源Muse Glimmer、Muse Code、Muse Spark 1.2一族面向智能体与小模型的工具。工程含义直接：对企业来说价值有三：一是模型切换成本从「重写业务代码」降到「改一份配置」；二是可按场景分配不同模型；三是子智能体调度让任务拆解有了标准做法。需注意插件化会带来版本兼容成本，生产环境应锁定版本并做回归测试。

小模型端：编程调试与本地化并行

Gemini 3.7 Flash官方称在编程与调试能力上明显提升，定位长程软件工程与智能体场景。编程成为主赛道的原因不难理解：代码是智能体最天然的工具调用形式。另一条线是本地化，Qwen3.8-27B这类同档小模型已可跑在笔记本上，意味着数据不出内网的部署门槛进一步降低。对制造业客户，这条线的价值往往大于榜单跑分：把模型放在车间与内网，此前因合规卡住的场景就能推进。选型建议是把任务按敏感度分层——公开信息处理走云端大模型，工艺参数、客户数据、财务信息处理走本地小模型，由框架统一调度。

垂直与具身：模型开始按场景分化

应用层的数据更能说明分化趋势。新华社调研显示，我国领航级智能工厂中人工智能渗透业务场景比例超过70%，沉淀垂直领域模型超6000个，并加速向工艺优化、设备管理、人机协同等生产核心场景纵深渗透。具身侧，松延动力、智元机器人、宇树科技在8天内密集发布5个具身大模型与世界模型，曾以「本体」著称的机器人公司集体补齐「大脑」拼图，行业发布节奏已以天计算。这两组数据指向同一件事：模型正按行业、按设备、按工位分化成大量专用模块。

一道科技建议：把框架与部署位置先定下来

我们给企业的建议是三步。第一步先定框架再选模型：优先采用插件化、支持多模型与子智能体调度的框架，把模型当成可替换的执行单元，业务编排逻辑与模型解耦。第二步按数据敏感度定部署位置：公开信息走云端、核心工艺与客户数据走本地或私有化，用框架统一调度，避免为合规反复重构。第三步为垂直模型建立台账：把每个场景训练或微调出的模型登记入库，标注版本、训练数据范围、适用工位与效果基线，这既是资产管理，也是后续复制推广的前提。更多行业动态见行业资讯，落地路径见一道科技客户案例。