今日结论
今天最强的信号是：Agent 的竞争正在转向“如何持续变好、如何可靠运行”。技能学习、审计和本地推理同时获得开源关注，编程 Agent 则占据应用用量榜的重要位置，说明围绕执行过程的工程工具有明确的使用场景。
模型侧并非全面上涨，而是头部高用量与部分模型快速增长并存。以下模型和应用数据对应 2026-10-02，仅代表经 OpenRouter 且公开归属的流量；Token 衡量用量，不代表用户数或市场份额。
开源项目
Top 50 中，最有价值的变化可以归纳为三条：把经验沉淀为技能、为执行补上控制层、降低本地运行门槛。排名上升体现关注度变化，stars 增长本身不能证明实际部署规模。
- 技能从配置走向持续积累：tigerless-labs/autoharness 从真实会话提炼、更新和淘汰技能；walkinglabs/learn-harness-engineering 从 #30 升至 #12，1 day +640 stars。工具与教程同步升温，显示 Harness 工程正在形成更完整的学习与实践入口。
- 执行能力需要配套控制：ifixai-ai/iFixAi 的 Agent 审计与 stablyai/orca 的并行 Agent 工作界面分别增加 1,049 和 967 stars。关注点不仅是能否执行，还包括如何检查结果、管理执行过程。
- 本地推理成为另一条工程路线：Niko1221/Strata 登上 #1，提供消费级硬件安装和本地兼容 API。它代表降低部署门槛的方向，不能由此推断性能或成本优势已经得到验证。
最值得跟踪的是以下四个项目，它们分别对应学习、部署、工具链与质量控制。
- #7 tigerless-labs/autoharness：1 day +917 stars，总计 7,096，从 #26 升至 #7。关键在于把 Agent 经验做成可维护的技能层，而非一次性提示配置。
- #1 Niko1221/Strata：1 day +1,375 stars，总计 5,341，从 #2 升至 #1。安装流程与本地 API 接口让本地模型更容易接入现有工作流。
- #15 earendil-works/pi：1 day +601 stars，从 #29 升至 #15。统一模型 API、Agent 循环和 CLI 被打包为工具链；应用榜中的 pi 同时录得 456B Token，构成方向一致的使用信号。
- #4 ifixai-ai/iFixAi：1 day +1,049 stars，总计 19,000。独立审计切中“Agent 是否按要求完成任务”的问题，体现质量控制层的关注度。
模型
头部用量与增长速度需要分开看。增长榜覆盖 Top 50 中前十以外的模型，快速增长并不等于已进入用量头部。
- 头部仍在扩张：Space Bunny Alpha 为 5.89T Token，日增 +14%；DeepSeek V4.1 Flash (batch) 为 3.48T、+3%；GLM 5.3 Flash (batch) 为 1.61T、+12%。
- 增长最快来自较低排名：#36 Hy4 preview 为 61.7B、+219%；#15 GPT-6 Luna Pro (batch) 为 214B、+117%；#24 Claude Opus 5 (batch) 为 121B、+94%。
- 同系列表现也在分化：GPT-6 Luna (batch) 为 729B、-27%，与 Luna Pro 的上涨形成对照；目前无法判断是否存在流量迁移。
应用
编程 Agent 同时出现在高用量和增长榜，较开源 stars 提供了另一种使用证据。增长排序相对此前三个同长周期的平均用量，输入未提供增长百分比。
- 持续记忆与技能有使用对应：Hermes Agent 以 2.01T Token 居首，其跨会话记忆和可复用技能定位，与开源侧技能积累的方向呼应。
- 编程工作流占据头部：Claude Code 为 1.23T，Kilo Code 为 1.14T，Cline 为 1.06T，Codex 为 1.01T。前五中有三个 CLI agent，另有一个 IDE extension。
- 增长集中在开发工具：Freebuff 以 656B Token 位列增长榜 #1；随后是 Codex、omp、Claude Code 和 OpenHands，用量分别为 1.01T、621B、1.23T 和 130B。
观察
接下来应观察技能积累、审计与本地运行工具能否持续伴随 Agent 用量增长；现有数据支持方向上的呼应，但不足以建立具体模型、应用与仓库之间的因果关系。
