AWS 给智能体建了本通讯录，你那边还是一群没有名字的群聊

上周，AWS 照例发了一篇一周综述。四条更新，三条当天就有人在群里转：新的内存优化实例、操作系统预览版、容器冷启动提速。第四条安静得像没发生过——AWS 智能体注册表，正式推出。

同一周刷屏的是另一件事：Claude Fable 5.1 登陆 AWS。官方描述里被反复引用的一句是，它"专为长时间运行、影响重大的工作而设计"，能独立主导整个代码库的功能开发、代码审查和性能优化，一跑就是几个小时，横跨多个应用。

把这两条放一起看，我觉得这才是这周最关键的一组信号。

一边，模型的能力正在从"回答一个问题"跨到"接手一件持续数小时的事"。另一边，AWS 干了件特别"无聊"的活：给组织里的智能体、工具、技能、MCP 服务器和自定义资源建一本私有目录，带审批工作流，带语义搜索。

我的判断是：模型战争的上半场比谁脑子好使，已经打完了；下半场比的是谁认识谁、谁被允许干什么。而大多数一人公司，正卡在中间那道缝里——手里握着七八个智能体，却连它们叫什么名字都记不全。

这周能拿到的东西，我先摆出来

① OpenRouter｜8月31日—9月6日

全球大模型周调用量 115 兆 Token，环比增长 1.77%。中国模型连续 19 周居全球首位，前五名里四款来自中国。混元 Hy4 preview 以单周 14.7 兆 Token 登顶，环比暴增 379%。

这条对 OPC 的意义不在"谁第一"，在洗牌速度。前一周还排第三的小米 MiMo-V2.5、排第九的 Gemini 3.7 Flash，一周之内位置就变了。模型层的可替换性正在变成默认状态。 你把业务流程硬编到某一个模型上，等于把自己绑在一副每周重洗的牌上。值得关注的是，这种洗牌对创业者的实际含义是：接口抽象层的价值，第一次超过了选型本身。

② AWS｜9月7日：Claude Fable 5.1

Anthropic 把它列为"受保护模型"，数据最长留存 30 天，需接受亚马逊人员人工审查；AWS 与 Anthropic 共建的企业前沿安全防护系统，允许符合条件的客户把数据留在自己控制的云环境里。

能力越强，治理条款越厚，这几乎是一条定律。你调轻量模型写文案，没人在意你的数据落在哪；你让一个前沿模型花三小时翻完整个代码库，问题的量级就完全不一样了。

③ AWS｜9月7日：智能体注册表正式推出

为组织内的代理、工具、技能、MCP 服务器和自定义资源提供私有、受管控的目录与发现层，带审批工作流，带语义与关键词搜索。

翻成人话：给智能体建了一本通讯录，顺带规定了谁能进这栋楼。

④ AWS｜9月7日：SnapStart 支持容器映像，EC2 R9g/R9gd 上线

前者把机器学习推理、交互式 API 这类延迟敏感负载的启动时间从数秒压到亚秒级；后者由 Graviton5 驱动，机器学习场景性能最高提升 35%。翻译过来就是：智能体随叫随到的成本，又降了一档。

⑤ 一条对照｜2023年6月15日

百川智能发布 Baichuan-7B 那天，模型文件就上了 GitHub，当天就有外部开发者讨论怎么在自己的 RTX 3090 上继续微调它。那时候"百模大战"刚出现在新闻标题里，大家兴奋的是一件事：每张牌长得都不一样。

三年过去，牌桌上牌太多了。问题从"每张牌长得不一样"变成了"我不知道该出哪张"。

这五条串起来，暗线只有一条：供给端已经把单点能力做成了水电煤，剩下的稀缺品是组织能力——谁能发现谁、谁能调用谁、谁在什么时候被允许做什么。 而注册表这种听起来最不像产品的产品，恰恰是在给这个稀缺品定价。

"我就一个人，搞什么注册表"

我几乎能听到这句反驳：我一个人公司，跑三个智能体，弄什么注册表？那是大厂 IT 部门的活。

这个说法我认真想过，不成立。

你手上三个智能体，组合关系不是三条，是六条。去掉自己调自己，三个节点之间有六条潜在调用路径。到七个，是四十二条。你今天还能记在脑子里，是因为它们还没真干活。等它们开始互相喂数据——查资料的喂给写作的，写作的喂给审核的，审核的喂给发布的——你管的就不再是三个工具，而是一张网。

再说一个更日常的：真正的成本不在"多"，在"交接"。 一人公司最容易忽略的场景不是增长，是你自己请假一周。回来打开后台，一排 agent-copy-2-final、测试用-别删、agent_v3（旧）。你不敢删任何一个，因为不确定它是不是正被某个定时任务调用着。这不是管理问题，这是你自己跟你自己交接。

还有一条我觉得最要命：大厂有 IT 部门兜底，你没有。注册表在五百人公司里是合规需求，在你这里不是合规需求，是生存需求。你没有人可以问一句"这个还在跑吗"。

AWS 那本注册表是给企业准备的，带审批流、带语义搜索，对一人公司来说太重。但它指的方向没错：智能体一旦超过三个，管它们的成本就会超过用它们的成本。

这笔账，才刚开始记

我说得再往前半步。

从现在起，一个老板公司的竞争力，可能不在于"我用了几个模型"，而在于你能不能在十分钟内说清楚：我这边有哪些智能体、各自在哪个环节干活、谁有权限调谁、哪一个出了问题会连带停掉哪几个。

买模型的账和管模型的账，是两笔账。前一笔正在飞快变便宜，每百万 Token 的价格曲线不用我多说。后一笔正在悄悄变贵，只是它不体现在账单上，体现在你凌晨两点还在翻后台找那个跑飞的 agent。

我们给客户搭"第一支 AI 战队"的时候，第一件事从来不是选模型，是拉一张表。内部管它叫战队花名册：每个智能体占一行，写清楚它叫什么、吃谁的输出、喂给谁、跑在哪个模型上、出错的时候谁负责。第一版一定很丑，但丑的表能用，没表不能用。这是我们交了学费换来的顺序——先有花名册，再谈战斗力。

对创业者来说，这里有个很实在的落地场景：未来十二个月，帮别人建这本通讯录，本身就是一门生意。不是卖工具，是做实施——把客户散落各处的 Agent、工作流、API Key、定时任务盘一遍，画出一张能维护下去的图。这件事现在几乎没人做，因为大部分老板还没意识到自己需要。

再往后半步：模型会继续每周重洗，价格会继续往下掉，能力会继续往上堆。这些你都不用操心，它们会自己发生。真正需要你亲手做决定的只有一件事——你的战队里站着谁，他们互相认不认识。

这件事，模型帮不了你。

<small>本文数据与信息来自公开渠道：AWS 官方博客 2026 年 9 月 7 日一周综述、OpenRouter 公开调用量统计、公开技术资料。文中观点为个人判断，不构成投资或采购建议。模型版本、价格与数据政策变动频繁，落地前请以官方最新文档为准。</small>