今天这三条更新，关心的都是同一个现场：Agent 已经不满足于回答一轮问题，它要在本地持续运行，要读懂几百万行旧代码，还要碰数据库迁移这类容错率很低的任务。

任务一长，模型本身只是其中一环。运行速度、代码上下文和人工验收少一项，Agent 都很难从演示走进日常工作。

NVIDIA 给常驻 Agent 做了一台更轻的发动机

NVIDIA 发布 Nemotron 3.5 Lightning。模型卡标注它共有 300 亿参数，每次推理激活约 30 亿参数，并采用开放权重。这个组合瞄准的是需要持续运行、又在意推理成本和延迟的 Agent 任务。

对团队来说，值得看的不只是“又多了一个模型”。常驻 Agent 会反复读取上下文、调用工具和修正步骤，每一次等待都会在长任务里累积。轻量模型如果能承担路由、初筛或结构化处理，就能把昂贵模型留给真正难的判断。不过，NVIDIA 也在模型卡里把这版定位为便于定制和后训练的基础，接入生产前仍要用自己的任务样本验证。

Metals v2 先解决“代码还没读完，Agent 已经开始改了”

Metals v2 面向超大 Java 和 Scala 代码库。它直接索引源文件，核心导航不再等构建工具完成同步。官方页面给出的参考速度是每秒约索引 100 万行，千万行仓库可在 20 秒内进入可用状态。

这类能力很容易被当成 IDE 的小升级，放到代码 Agent 里却是基础设施。Agent 找不到定义、引用和实现关系时，写得再快也可能改错位置。旧系统真正缺的，往往不是再来一个会生成代码的模型，而是一层能把巨大代码库迅速整理成可导航上下文的工具。

Google 让 Gemini 帮忙迁移数据库代码，但验证仍在场

Google Cloud 的 Database Migration Service 正在预览 Gemini 辅助转换：把 Oracle 或 SQL Server 中的存储过程、触发器和函数，转换为 PostgreSQL 兼容的代码，并提供并排解释与建议。

数据库迁移不是普通的文字改写。一段代码语法通过，不代表事务、权限和边界行为都与原系统一致。AI 可以缩短第一轮转换时间，真正决定能不能切换的，仍是测试数据、回归结果和熟悉旧系统的人。

今天可以带走什么

如果团队正准备让 Agent 接手一项长任务，先写下三件事：它要在什么成本和时延里跑完；它怎样拿到完整、可导航的上下文；什么结果必须由人用旧样本重跑一遍。三行写不清，先别急着扩大权限。