在2026 Inclusion·外滩大会上，蚂蚁密算董事长韦韬正式宣布可信原生智能体HOP 3.0开源。此举向开发者、企业及行业专家开放了“智能体原生语言”相关技术能力，旨在推动产业智能体从依赖模型自觉，迈向边界明确、过程可控、结果可核验的可信执行阶段，解决当前自主智能体在严肃场景中面临的安全与效率挑战。

从架构割裂到原生语言融合

回顾技术演进路径，蚂蚁密算于2025年世界人工智能大会首次发布并开源HOP 1.0，通过工程化方法提升大模型在金融、医疗等场景的可靠性。此次升级至3.0版本，核心创新在于提出“智能体原生语言”，将技术体系从单纯的可信应用框架演进为以智能体为核心目标的新一代体系。

当前智能体生态普遍存在Skill（技能）与Harness（执行框架）割裂的问题：自然语言Skill难以承载复杂业务流，而代码Harness则缺乏行业专家的可参与性。HOP 3.0通过智能体原生语言，将显性结构化逻辑与大模型的模糊推理逻辑融入同一体系。结构化逻辑负责界定目标、边界和数据依赖，大模型则在边界内进行判断与规划，实现了“锁定目标、守住边界、放开路径”的平衡，使智能体工作转化为行业专家可读、可评审的结构化对象。

探索核验机制保障安全边界

针对智能体可能出现的跳步、越界或数据泄露等失控风险，HOP 3.0借鉴SQL事务机制，在语言和执行层显性分离“探索—核验—提交”三个阶段。智能体首先在可逆空间内进行试错和试验，只有经过独立核验的结果才能进入commit提交关口。删除数据等不可逆操作被严格隔离在提交阶段，确保智能体可以大胆探索，而探索过程本身不会对真实系统造成破坏性后果。成功的路径还可固化为可复用的执行流程，沉淀为组织智力资产。

降低长任务控制压力与成本

HOP 3.0将长任务的全局目标、状态管理及核验要求交给语言与执行引擎承载，大幅降低了对大模型持续控制能力的依赖。以蚂蚁密算实践为例，使用约270亿参数的Qwen3.0 27B模型，已能有效承载过去需数千亿甚至万亿参数模型才能处理的复杂任务。这种结构化分担机制让普通模型在保持低成本的同时，实现了生产级的可靠性。

• 在复杂规格驱动研发流程中，引入HOP 3.0后，产物完整率、生成成功率和需求代码一致性均达到100%。
• 平均每个执行周期的词元（Token）消耗下降约13%。
• 普通模型故障率下降约91.7%，结合HOP 3.0后的效果达到甚至超过未使用HOP的强模型。

HOP 3.0已在GitHub正式开源。该体系的发布不仅开放了技术工具，更通过让风控、合规、医疗等非程序员专家参与业务规则融入，打破了“智力孤岛”。结合密态计算技术，HOP 3.0共同构建了“数据—模型—智能体—业务结果”的可信链路，推动产业AI从单点探索走向规模化应用，实现数据敢流通、模型敢使用、智能体可信赖的行业愿景。