这一周真正变重的不是模型名

如果只看发布标题，这一周像是一堆零散更新：OpenAI 强调 Codex 的企业位置，GitHub 给 Copilot cloud agent 补更多入口，Google 在 I/O 继续讲 agentic Gemini，Dropbox 公开内部 Nova 平台，Mozilla.ai 又把 agent 经验交换层拿出来。

但把这些动作放在一起，结论并不零散。Coding Agent 的主战场正在从「模型会不会写代码」迁到「企业怎么让它安全、便宜、可控地持续做事」。这就是运行层。

运行层重点是企业会不会真正放权给 agent 的前提：代码在哪里跑，权限怎么给，任务怎么拆，失败怎么回滚，成本怎么归因，结果怎么进 PR 和 CI，出了事故如何复盘。

Dropbox Nova 的意义在于把 agent 接进真实工程系统

Dropbox 这次公开 Nova，最值得看的是它把 agent 当成内部平台来做。Nova 要接入大 monorepo、Bazel、内部验证路径、云端执行环境和自动化 workflow。

这和许多 IDE 插件的出发点不同。IDE 插件解决的是单个工程师怎么更快生成代码，Nova 解决的是一个大组织怎么让多个 agent 在已有工程系统里工作。后者更难，也更接近企业采购和内部平台团队真实关心的问题。

一个 agent 真正进入大仓库后，最麻烦的部分往往是读懂构建系统、跑对验证、尊重权限、知道哪些目录不能碰、把结果送到已有 review 流里。Nova 的信号就是：内部平台团队开始把这些东西打包成一层。

GitHub 在把 Copilot 变成代码托管控制面的一部分

GitHub 这一周的 Copilot 更新很密集。5 月 18 日，它让 Copilot cloud agent 可以一键修 failing Actions，也开放审计 repository Copilot cloud agent configuration 的 REST API；同一天还让 cloud agent 支持更快、更省钱的简单任务模型。5 月 19 日，它又让 Copilot code review 的反馈可以直接交给 cloud agent 应用。5 月 20 日，Copilot Chat 增加 semantic issue search，VS Code 里的 auto model selection 也开始按任务路由。

这些不是普通功能堆叠。它们把 agent 从「写代码的助手」继续推进到代码托管平台的控制面里：CI 失败可以交给它，review 评论可以交给它，配置可以被 API 审计，issue 可以被语义检索，模型可以按任务自动路由。

GitHub 的优势正是在这里。它是在把 agent 接进 issue、PR、Actions、权限、审计和组织指标。只要 agent 的动作发生在 GitHub 里，GitHub 就能把它变成可管理的工作流。

论文把运行层的缺口说得更刺眼

这一周的新论文也在从反面说明同一件事。DeltaBox 讨论的是有状态 agent 的毫秒级沙箱 checkpoint 和 rollback，说明长程 agent 要并行探索、试错和恢复，底层环境不能只靠一次性容器。SpecBench 盯的是长程 coding agent 的 reward hacking，说明 visible tests 通过并不等于任务真的完成。

Agent PR 的实证研究提醒，合并或拒绝不能粗暴等同 agent 成功或失败，因为背后有流程、人类 reviewer、可观察理由和组织约束。Overeager Coding Agents 则把另一个问题推到台前：agent 不只是会做错，也可能做多，越权完成用户没有要求的动作。

这些研究共同指向运行层短板。没有隐藏测试和反投机评估，测试绿了也不可靠；没有权限边界和审批策略，越能干的 agent 越可能越界；没有 checkpoint 和 rollback，长程探索会把失败成本放大；没有流程可观测性，PR 结果无法解释。

企业真正要买的是一套责任边界

OpenAI 借 Gartner 的 agentic coding 评价强化 Codex 的企业定位，Google 在 I/O 把更快更便宜的 Gemini、Antigravity 和搜索里的 agent 能力放到一起讲，Mozilla.ai 继续做 cq exchange 这种经验复用层。这些动作看似不同，本质上都在回答同一个企业问题：怎样让 agent 从个人试用走向组织级使用。

组织级使用要求的重点是责任边界。谁能发起任务，谁能批准危险动作，agent 能访问哪些数据，失败经验是否会沉淀，下次能不能不再犯同类错，费用算到哪个团队，输出如何进入正式工程流程。

所以本轮最值得跟的趋势，重点是 coding agent 的基础设施化。模型能力当然还重要，但企业的长期粘性会落在运行层：沙箱、权限、验证、审计、成本和经验复用。谁把这层做稳，谁才更像在卖可以长期运转的工程系统。