胜负手，正从模型挪到编排与服务
把本周几条线索并到一起看，一个判断浮现得越来越清楚：智能体的可靠性与成本，正在从「选哪个模型」这一层的竞赛，挪到「怎么编排、怎么服务、怎么把能力打包成可托付的队友」这一层。UniMASO 说，同样的任务给不同角色配不同模型，质量不降、账单能瘦一大圈；MAServeBench 说，服务跑得满不等于任务交得早，瓶颈常落在智能体之间的协调；AWS 的提示缓存说，循环里反复重发的上下文是一笔实在的重复账；Vercel 的 agent-desktop 说，让 Agent 操作桌面，结构比截图更可复现；xAI 的 Shared Bots 则把 Agent 从单人工具，变成了团队共享、职责分离的命名队友。
它们看似散落，却指向同一处：当模型本身不再是稀缺资源，真正的杠杆变成了围绕模型的那些层——谁用什么模型、怎么协作、怎么服务、怎么把能力安全地交出去。大厂也在顺着同一条线走，把自家生产级的编排运行时做成托管服务，把协议层、运行时层和权限层一点点补齐。选模型当然还重要，但它越来越像入场券，而不是终点。
三盆冷水与三个观察哨
冷水先泼。其一，本周不少数字是厂商或开发者自报，未经独立审计，MAServeBench 的 85.2%、agent-desktop 的 78% 到 96% 都是各自的单一工作负载，套到你的任务上要重测。其二，截图与坐标的替代方案目前缺独立 benchmark，可复现、可解释是它的方向性优势，不是已经兑现的性能承诺。其三，「编排与服务层成为主战场」是一个观察框架，不是一份可统计的结论——它告诉我们该往哪看，但还没告诉我们规模有多大。
三个观察哨可以立起来。首先，模型分配正从常数变成一等优化变量，值得和提示、拓扑一起搜。其次，服务层开始为「任务完成」而非「吞吐」负责，选型和可观测都要把协作时序当主角。再次，能力打包正从「工具」走向「可托付的队友」，权限、审计和职责分离会从安全原则变成产品默认值。这三条，和本站此前写的中继协作、协调税持续呼应——同一条降本提效的曲线，从不同切口被反复验证。
它和本周的几篇是同一组不同切面
本篇讲趋势，另几篇各取一个切面：2176 是模型分配如何降本，2177 是服务基准如何暴露吞吐与完成的脱节，2179 是循环里的重复付费怎么压，2180 是桌面操作如何用结构替代截图，2178 是能力如何被打包成职责分离的共享队友。把它们并读，比单独看任何一篇都更接近这一周的真实动向。
对做智能体系统的团队，最实在的建议只有一句：别再把全部注意力压在模型选型上，把编排、服务与权限这三层当作和模型同等重要的工程对象来设计、来测量、来审计。胜负手，已经不在模型那一层了。