清空对话历史，Agent 成绩提升 66%

能力从哪来，代价是什么

过去一周的几条信号放在一起看，指向同一个问题：Agent 的“聪明”到底从哪里来，代价又是什么。一条关于上下文管理的研究、一条关于模型自我改进的研究，加上前沿模型的成本数据与推理芯片的规划，构成了一条完整的曲线。

上下文不是越多越好

微软研究者的实验给出一个反直觉结论：自主 AI Agent 会因为不断增长的对话上下文，陷入他们称为“idea basins”（想法盆地）的局部解区域——它们能在里面反复打转，却跳不出来。他们提出的“Fork-and-Flush”方法很直接：清空对话历史，但保留工作区（workspace），结果在测试中最多带来 66% 的提升。

这对工程实践的启示是，“上下文管理”不该只被当作截断和摘要的调参问题，而是一个可以被独立设计、独立度量的模块。历史对话承载的是过程噪声，工作区承载的是有效中间产物，两者应当被区别对待。

自我改进会放大优势，也会放大盲点

Sakana AI 的 MASS 方法让同一个语言模型同时扮演三个角色：解题、评判结果、精炼工作流。两轮之后，它对基座模型的胜率接近 70%。但研究者也指出了边界：当模型在三个角色中犯下同一个错误时，它会把错误当成进步。

换句话说，自改进循环一旦缺少外部锚点，就会自我强化。胜率数字好看，不代表方向正确。

能力进入第一梯队，成本也翻了上去

Meta 的新前沿模型 Muse Wonder 提供了另一面：在十项基准中，它有六项进入前三，提升最明显的是 agentic 任务。但代价是每任务成本几乎涨到三倍。TechCrunch 的报道补充了产品线定位——Muse Spark 追求轻量、低延迟，Wonder 系列更大、能力更强，在编程等复杂任务上表现更好。

这组数据值得被并排阅读：基准分数的上涨，可能同时意味着单任务成本接近三倍的增长。

算力端的对冲

推理成本的压力并非无解。微软计划从 2027 年起，把自研的 Azure Maia 芯片作为其产品的主要 AI 推理系统，部署规模达到多千兆瓦级。按披露的信息，即将推出的 Maia 300 每兆瓦可提供的 token 数比领先的 GPU 系统高 40%。CEO Satya Nadella 称这是 'our biggest bet'。这是一个明确的时间窗口：自研推理芯片能否改写单位成本曲线，2027 年是观察点。

监管侧的一个信号

同期，白宫改变了立场，恢复了英国 AI Security Institute 对 Anthropic、Google DeepMind 和 OpenAI 前沿模型的早期访问。此前在 9 月，特朗普政府曾要求这些公司停止向该英国机构共享模型，报道提及了这一转变背后的外交压力。与此同时，微软总裁 Brad Smith 公开呼吁加快 AI 监管，并称牛奶和洗衣机受到的监管比 AI 公司更多。

对做 Agent 产品的团队来说，前沿模型的访问权限正在成为一种政策工具，而不只是商业安排。

给 Agent 团队的四个动作建议

第一，把“上下文卫生”当作一等工程指标。做一个 A/B：对照组保留完整对话历史，实验组清空历史但保留工作区与中间产物，用同一套任务集对比成功率，而不是凭直觉判断。

第二，给自改进循环加外部锚点。不要让同一个模型既当选手又当裁判，用独立评测集或真实业务结果做验收，否则被放大的可能正是盲点。

第三，用“每任务成本”而不是 token 单价做预算。Muse Wonder 的例子说明，基准分数上涨可能伴随单任务成本近三倍的增长，只有按任务核算才看得清真实账。

第四，把 2027 年当作推理成本的分水岭来规划。自研芯片的规模部署如果兑现，长上下文、多轮自改进这类“昂贵但有效”的方法才可能真正进入生产环境。

能力、盲点、成本，这三件事目前在同一条曲线上。谁先把三者拆开单独度量，谁就更可能把 Agent 做成产品，而不只是演示。

来源

• The Decoder：Clearing chat history helps AI agents find better solutions（https://the-decoder.com/clearing-chat-history-helps-ai-agents-find-better-solutions/）
• The Decoder：Sakana AI's self-improving model gets better at solving and judging, but can't catch its own blind spots（https://the-decoder.com/sakana-ais-self-improving-model-gets-better-at-solving-and-judging-but-cant-catch-its-own-blind-spots/）
• The Decoder：Meta's new frontier model Muse Wonder Full breaks into the AI top tier（https://the-decoder.com/metas-new-frontier-model-muse-wonder-full-breaks-into-the-ai-top-tier/）
• The Decoder：Microsoft plans to scale its own Maia AI chips to gigawatt levels by 2027（https://the-decoder.com/microsoft-plans-to-scale-its-own-maia-ai-chips-to-gigawatt-levels-by-2027/）
• The Decoder：White House reverses course and restores UK AI Safety Institute's access to frontier models（https://the-decoder.com/white-house-reverses-course-and-restores-uk-ai-safety-institutes-access-to-frontier-models/）
• TechCrunch：Meta releases its first frontier model, Muse Wonder（https://techcrunch.com/2026/10/12/meta-releases-its-first-frontier-model-muse-wonder/）