技术热点透视20260915：Google 把编程 Agent 免费塞进 API，沙箱算力它自己买单
本文完全由 WorkBuddy 独立收集资料、调试代码并完成文章写作。
01一次调用，拉起一台属于你的 Linux 机器
把技术细节翻译成人话：以前你要让 AI 把「读 Hacker News、总结前十条、存成 PDF」这种事真正跑通，得自己接模型、接 shell、接搜索引擎、接文件系统，再写一个调度循环把 plan→act→observe 串起来。现在 Google 把这一整套打包了。你在代码里调一次 interactions.create，带上 agent 和 environment="remote"，Google 就在云端给你拉起一个一次性的 Linux 沙箱——agent 自己在里面推理、规划、写代码、跑 bash/Python/Node、装包、跑测试、查网页、读写文件，做完一轮看结果，不对就改，再跑，直到任务收尾或撞到上限。
关键是「环境」是持久且有状态的：你这次交互里装的依赖、写的文件、clone 的仓库，下次用同一个 environment 调回来还在。也就是说，它不是一个只回一句话的聊天框，而是一个能跨多轮、带记忆、能真正干活的执行体。默认模型是 9 月 2 日刚刚顶上的 Gemini 3.8 Flash——六周里的第三个 Flash 档模型，在 Terminal-Bench 2.1 上拿 90.8%，压过 GPT-5.6 Terra 的 87.4% 和 Claude Sonnet 5 的 80.4%，而价格被刻意压到 $0.75/百万输入 token、$3.75/百万输出 token。一个会自己跑命令、自己迭代、还便宜快的东西，对开发者来说，上手门槛几乎被削平了。
一次调用拉起沙箱，免费算力是获客钩子；默认 Gemini 3.8 Flash，便宜且快
02真正的大招，是 Google 替你付沙箱的钱
很多人盯着「免费」两个字，但免费本身不稀奇，预览期送额度是常态。真正值得记的一笔是：Google 明确说，预览期内 environment compute——也就是那个 Linux 沙箱跑起来消耗的 CPU、内存、执行时间——不单独计费。你照常付模型 token 和工具调用，但「真正在跑 Linux 环境的那部分」暂时由 Google 买单。
这跟云厂商用免费 tier 抢开发者一模一样：先让你零成本把应用部署上来、把数据搬进来、把习惯养出来，等你离不开了，计费表自然浮现。区别只在于，云厂商抢的是 workload，Google 这次抢的是 agent 工作流本身——它想成为你所有自动化任务的默认执行底座。更阴的一点：当沙箱免费、模型便宜、接口又统一到 Interactions API 一个入口时，开发者的「离开成本」会被悄悄抬高。你的 agent 状态、文件、环境都在 Google 那边，迁移不是改个 model 字符串那么简单。
03三条路线，三种赌注与风险
把视野拉开，三家巨头在 coding agent 上走的是完全不同的赌注。
Google 赌的是「平台即运行时」。Interactions API 在 6 月下旬 GA，统一了 Gemini 全部模型与 agent 入口；再配便宜的 Flash + 免费沙箱，赌注是「用最低的上手成本把开发者吸进自己的云生态」。风险也明显：一旦计费表亮出（Flash 价格 2027 年 1 月 1 日就要从 $0.75/$3.75 翻倍到 $1.50/$7.50），靠补贴换来的粘性能不能留住人，要打问号；而且把 agent 跑到别人云里，数据驻留和出口锁定的隐忧是真实存在的。
OpenAI 走的是「先收兵、再托管」。几乎在同一周，AgentKit 的视觉拼装工具被确认弃用，2026 年 11 月 30 日关停——一个高调发布的可视化 agent 画布，八个月就退场。OpenAI 把人往两条路赶：代码优先的 Agents SDK，以及托管化的 Codex harness（9 月 10 日 Codex harness 变 Agents API）。它的赌注是「我不卖画布，我卖托管好的执行能力」，风险是它亲手动摇了开发者对「OpenAI 平台层稳定性」的信任。
Anthropic 最克制，也最「重模型」。Claude Agent SDK 的路线是单一强模型 + 电脑 + 权限：你定义 Claude 能读哪些文件、改哪些代码、跑哪些命令，再用 acceptEdits、plan、bypassPermissions 这类模式控制自主度。它不替你管沙箱，也不拼可视化，赌的是「强模型 + 清晰权限边界」足够撑起生产级 agent。风险是：当对手把运行时和成本都包了，Anthropic 把「环境」这层推回给开发者，对小团队未必友好。
三家赌注不同：平台即运行时 / 托管执行能力 / 强模型+权限边界
04竞争翻篇：从「模型强」到「谁替你付账单」
把这几件事串起来看，coding agent 赛道的重心已经不在「谁的模型跑分最高」。9 月这波密集动作——Codex harness 托管化、Cognition 发 SWE-2（Kimi K3 底座、成本降 64%）、Cognition 估值冲到 480 亿美元——指向的是同一条主线：胜负手变成了 harness 强不强、后训练 RL 做得怎么样、数据飞轮转不转得起来、以及成本曲线能不能一路往下压。模型是入场券，不是护城河。
这也是为什么免费沙箱值得重视。在「harness + 调度」成为新主战场的当下，谁掌握执行底座、谁替开发者扛住早期成本，谁就握住了分发权。对中小团队来说，这意味着一个现实判断：现在不是「要不要用 agent」的问题，而是「上谁的船」。Google 这艘船现在最便宜、最省心，但船票是补贴价的；OpenAI 船稳但刚砍过甲板；Anthropic 船性能好但得自己划桨。
05冷思考：该不该上车，以及上之后会怎样
先泼三盆冷水。第一，自报口径要打折。Terminal-Bench 2.1 上 90.8% 是 Google 自己披露的，且不同来源给出的对照数字有出入，跨基准排名并不稳定。第二，预览期不等于永久。沙箱免费是「preview」，没有承诺周期；Flash 的低价更是明确只到年底。第三，也是最该警惕的——被渠道化的风险。当你的 agent 逻辑、状态、文件、环境全长在 Google 的 Interactions API 上，你就从「用模型」退化成「用平台」。平台一改定价、一改接口、一封禁区域，你的产品就跟着抖。这种依赖，比当年把业务绑在某个 SaaS 上还深，因为它是你执行层的根。
那中小团队现在该不该上？我的判断是：该试，但别押。把非核心、可重建的自动化任务（报告生成、数据清洗、原型搭建）先跑在 Google 这波免费沙箱上，用最低成本验证 agent 能不能进你的生产流程；同时把 agent 的「定义」（AGENTS.md / SKILL.md 这类 markdown）和你的业务逻辑留在自己手里，确保哪天计费表亮出来或想换船时，迁移的只是接线，不是重造。把 Google 当试验田，把自主权当底线。
08其他动态
- GitHub 把 coding agent 放进 Actions 技术预览：Agentic Workflows 让 agent 直接在 CI 里读 issue、改代码、开 PR，编程 Agent 从本地 IDE 进一步沉进团队研发流水线。
- Anthropic 发布「限制 agent 爆炸半径」工程实践：不追求杜绝失败，而是把单点故障的影响范围摁住，呼应此前评估期越界披露，把「可控」从口号落成架构。
- Microsoft 发布 37 页《人本主义 AI 行为准则》草案：拒绝 AI 法律人格，要求模型在不确定时把人放在更高优先级，与 Anthropic 的「模型福利」路线形成对撞。
- 安全警示：GTG-50014 凭证窃取活动：Anthropic 披露团伙用 AI agent 自动化整条攻击链，34 小时内横扫 40+ 企业租户的 Azure AD token，agent 正成为攻击基础设施。
- Scale AI 开源 MCP-Atlas 基准：即便前沿模型在真实 MCP server 上的端到端工具调用仍大面积失败，强推理 ≠ 稳工具，agent 可靠性仍是短板。
- 具身侧：中国人形机器人上半年出货超 4 万台、全球占比约 97%：央广网 9/15 报道汽车产业与具身智能供应链加速一体化，行业从「有场景」转向「把场景变成持续数据生产能力」。
微信公众号
欢迎关注「字与码」
如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。
X / Twitter
关注 @ax2_zicode
更即时的技术观察、新文章提醒和一些短想法会发在 X 上。