嘿，大家好！這里是一個專注于前沿AI和智能體的頻道~

Manus 可能會成為一個導(dǎo)火索，引爆Agent的競爭。

在過去的幾個月里，頭部AI公司紛紛發(fā)布了自己的“智能體”產(chǎn)品。

目前來看，各家Agent產(chǎn)品各有側(cè)重，但我們開始看到兩條截然不同的技術(shù)路線：一類是基于工作流的“偽Agent”（如爆火但是很多人說的沒有護(hù)城河的Manus （該觀點(diǎn)不代表作者觀點(diǎn)）），它們本質(zhì)上是將LLM和工具通過預(yù)定義代碼路徑進(jìn)行編排；另一類是基于端到端訓(xùn)練的“真Agent”（如DeepResearch和Gemini 2.0 Flash Thinking的各種衍生Agent應(yīng)用），它們能夠動態(tài)指導(dǎo)自己的處理過程和工具使用，保持對任務(wù)完成方式的控制權(quán)。

當(dāng)然整體上，我們還處于端到端訓(xùn)練Agent的早期階段，這場以智能體為核心的第二幕AI競爭才剛剛開始。Agent技術(shù)仍在快速迭代，而這可能將重塑整個AI應(yīng)用格局。

1.“模型即產(chǎn)品”將成為Agent時代的主導(dǎo)范式

當(dāng)前AI行業(yè)正經(jīng)歷一場范式轉(zhuǎn)變：從“模型即基礎(chǔ)設(shè)施”到“模型即產(chǎn)品”。大廠逐漸將模型本身打造成端到端的產(chǎn)品，而非僅僅作為應(yīng)用層的基礎(chǔ)設(shè)施。

這一轉(zhuǎn)變由幾個關(guān)鍵因素推動：

• 泛化性擴(kuò)展遇到瓶頸：正如GPT-4.5所展示的，模型能力增長呈線性，而計(jì)算成本卻呈指數(shù)級增長，即使是OpenAI也難以負(fù)擔(dān)
• 端到端訓(xùn)練效果超出預(yù)期：強(qiáng)化學(xué)習(xí)與推理的結(jié)合使模型突然擅長特定任務(wù)，這既不是機(jī)器學(xué)習(xí)，也不是基礎(chǔ)模型，而是一種全新的范式
• 推理成本大幅下降：最近DeepSeek的優(yōu)化意味著全球現(xiàn)有GPU足以支持地球上每個人每天使用1萬token的前沿模型

在這種范式下，大模型提供商不再滿足于簡單銷售token，而是向價值鏈上游移動，將模型打造成直接面向特定場景的產(chǎn)品。OpenAI的DeepResearch和Anthropic的Claude 3.7 Sonnet就是這一趨勢的典型例子。

藏老師的神級prompt，讓任意文本直接變成酷炫的html頁面。claude 3.7 sonnet就是掌管SVG的神！Gemini 2.0語言模型原生的圖生成，體驗(yàn)一天之后，仿佛還看不到邊界。。。

2.工作流Agent與端到端Agent的本質(zhì)區(qū)別

目前市場上的Agent產(chǎn)品可以明確區(qū)分為兩類：

工作流Agent（如Manus AI）：

這類產(chǎn)品本質(zhì)上是LLM與工具的編排系統(tǒng)，通過預(yù)定義的代碼路徑和提示詞引導(dǎo)模型。雖然短期內(nèi)見效快，但很容易遇到問題：硬編碼的規(guī)則無法擴(kuò)展，在復(fù)雜場景中表現(xiàn)不佳。表現(xiàn)出：

• 無法有效規(guī)劃，容易陷入死角
• 記憶能力有限，難以維持10分鐘以上的任務(wù)
• 長期行動效率低下，錯誤會累積放大

端到端訓(xùn)練Agent（如DeepResearch）：

這類產(chǎn)品通過端到端強(qiáng)化學(xué)習(xí)訓(xùn)練，模型能夠動態(tài)指導(dǎo)自己的處理過程。OpenAI的DeepResearch就是“一個新形式的研究語言模型，專門設(shè)計(jì)用來執(zhí)行端到端的搜索任務(wù)”。它不依賴外部調(diào)用或編排，而是通過強(qiáng)化學(xué)習(xí)習(xí)得了搜索、點(diǎn)擊、滾動和解釋文件的核心能力。

真正的Agent需要具備：

• 搜索和規(guī)劃能力
• 有效記憶和狀態(tài)管理
• 長期行動的可靠性

3.Google與OpenAI展示了不同的Agent發(fā)展路線

通過比較Google的Gemini 2.0 Flash Thinking和OpenAI的DeepResearch，我們可以看到兩種不同的Agent發(fā)展思路：

• Google的多模態(tài)融合路線：

Gemini 2.0 Flash不僅在推理能力上有所提升，更在多模態(tài)應(yīng)用上取得突破。它能同時理解和生成文本與圖像，支持文本+圖像生成、對話式圖像編輯等功能。Google還通過Deep Research功能、應(yīng)用連接（YouTube、日歷、地圖等）和個性化功能，構(gòu)建了一個面向普通用戶的Agent生態(tài)。

• OpenAI的專精特化路線：

OpenAI選擇針對特定場景打造專精的Agent模型。DeepResearch專注于網(wǎng)絡(luò)搜索和文檔整理，通過端到端強(qiáng)化學(xué)習(xí)訓(xùn)練，使模型能夠自主規(guī)劃搜索策略，交叉引用多個來源。這種專精策略使其在特定領(lǐng)域表現(xiàn)更為出色。

4.端到端訓(xùn)練將成為Agent的主流形態(tài)

從長期來看，端到端訓(xùn)練的Agent將逐漸成為主流，因?yàn)樗螦gent的本質(zhì)形態(tài)：模型能夠在循環(huán)中自主處理問題，具有更高的上限。

以包含4個子任務(wù)的串聯(lián)任務(wù)為例：

• 工作流Agent：即使每個子任務(wù)成功率為95%，整體成功率也僅為81%
• 端到端Agent：通過高質(zhì)量數(shù)據(jù)+強(qiáng)化學(xué)習(xí)，有望將整體成功率提升至95%

未來可能會出現(xiàn)以下趨勢：

• 頂級Agent的工程代碼將極其簡潔：背后是超高質(zhì)量的訓(xùn)練數(shù)據(jù)和極致的端到端強(qiáng)化訓(xùn)練，所有if-else和工作流選擇由模型自身完成
• 通用Agent更可能由基礎(chǔ)模型公司推出：如OpenAI、Anthropic、DeepSeek等擁有強(qiáng)大基模和強(qiáng)化學(xué)習(xí)工程師的公司更具優(yōu)勢
• 垂直領(lǐng)域Agent將成為創(chuàng)業(yè)公司的機(jī)會：專注特定行業(yè)或應(yīng)用場景，通過深度優(yōu)化實(shí)現(xiàn)差異化競爭

最后

Manus雖然當(dāng)前waitlist 才200萬，但考慮到訪問權(quán)限限制和邀請碼等負(fù)面因素的影響，這一數(shù)據(jù)相較于其熱度而言并不算特別驚人。

回到Anthropic的定義：LLM Agent是能“動態(tài)指導(dǎo)自己的處理過程和工具使用，保持對任務(wù)完成方式的控制權(quán)”。

工作流Agent vs 端到端Agent， 這個短期看起來就跟去年的長上下文模型 vs RAG 爭議一致，并不會有明確的結(jié)論。

scaling vs finetuning， scaling能讓模型的上限更高，但是finetuning能更快的適應(yīng)到特定場景。