2025年，一场由 Manus 主导的轰轰烈烈的 agent 概念大戏进入互联网领域的相关讨论中，一时间，仿佛那些在互联网办公室里还只会用 GPT 对话的人，就落伍了。新的创业公司仿佛抓住了新的救命稻草（很多做应用创新的公司因为大模型本身快速更新，他们的价值被大模型的新版本迅速稀释掉），一时间我们看到了大量类似于"让 AI 不止会说话，还会干活"的标语，我们看到 AI 识别和操作电脑的宣传片，看到界面中的光标自己在移动，终端命令自己在执行。一时间，大量资本涌入 Manus，中国算力公司阿里巴巴承诺为 Manus 提供大量算力和虚拟机（其实和微软对 OpenAI 的投入逻辑一样）。不同的是，Manus 并没有自己的大模型，他们只是做了这样一个调用框架，但最夸张的时候，一个 Manus 的注册邀请码依然可以在闲鱼这类非官方交易社区平台卖到上千元人民币。

但好景不长，人们迅速发现这种看起来很炫酷的交互实际处理效率并不高，而且给每个用户配一台虚拟机的商业模式也不是长久之计——如果没有阿里巴巴的赞助，我估计它不过是一个实验室产品。很快，大模型开发者 OpenAI 也在 ChatGPT 产品里加入了 agent 功能，本质上是类似的：为用户提供一个虚拟化的沙箱环境然后运行。但我想，真实用户应该不会很多，因为对任何日常工作而言，哪有多少场景是需要一台虚拟机和命令行才能完成的？对日常的知识获取来说，远不如一个简单的大模型自带网页搜索来得高效。于是，agent 的热度慢慢退去，至少对日常使用来说是这样。

使用场景的分道扬镳

新的开始是从 OpenClaw 开始的。类似地，OpenClaw 最开始也是几近疯狂，至少对互联网行业的人来说是这样——在中国掀起了疯狂的安装业务，许多大厂包括腾讯、阿里，甚至中国电信旗下的天翼云也进入这个战场，甚至提供上门安装服务，只为了收一点安装费；Mac Studio 也被炒出了天价。但对那些只是追随热度的非互联网开发者来说，他们终于发现，这个东西对他们并没有什么用，甚至给自己的日常数据带来了不少威胁。

但无论如何，这几场由 agent 概念引发的舆论高潮，对 AI 的发展都有着非常正面的推进作用。虽然很多日常用户发现 OpenClaw 并没有什么用，但对于每天和代码相关工作打交道的人来说，这是人与 AI 合作方式的一次转变。我们不再依赖孤立的对话界面——agent 能力，其实就是主动执行终端代码的能力，让大模型算是有了一个可以在用户本地被感知的环境，大模型开始了解用户真实的环境。对我来说，这就像大模型住进了自己的家里一样，尽管它的主要参数和算力依然是远端的（这么大的模型不可能塞进一台个人电脑里跑，这不现实）。我们看到越来越多的大模型厂商开始注意到大模型对专业人士的作用，开始把自己的大模型引入 VSCode、引入终端命令行，推出插件、推出 CLI 工具，希望主动融入这些专业人士的工作场景中。

大模型亲自下场：Codex 和 Claude Science

如果说 Manus 和 OpenClaw 是"框架层"在替大模型招揽用户，那么这一轮的变化，是大模型厂商自己亲自下场做这件事——最典型的就是 OpenAI 的 Codex 和我一直在用的 Claude Science。把它们和前面两位前辈放在一起比较，能看得更清楚这中间到底变了什么。

商业模式。 Manus 本身没有自己的大模型，它只是一层调用框架，靠邀请码稀缺性和阿里巴巴的算力赞助撑起声势；OpenClaw、Hermes 这类也是同样的路数，自己不产模型，靠帮用户把某个模型接进一个随时在线的 agent 壳子里赚服务费。而 Codex 不一样：它是模型厂商自己把 agent 能力直接做进了自己的主力产品里，不再是"某个框架调用某个模型"，而是"这个模型公司自己就把手伸进了你的终端和代码仓库"。Claude Science 走的是另一条路——它更像是把这套能力交给你自己去运营，你自己承担算力和运维成本，换来的是不被任何托管平台的额度和策略捏在手里。

对交互方式和用户习惯的影响。 Manus 的交互本质上是"看戏"：一个虚拟机、一个远端桌面，光标自己在动，用户是旁观者，这种新鲜感撑不起日常习惯。OpenClaw 把 agent 能力装进了很多人自己的电脑或服务器，日常习惯确实被改变了，但改变的只是一小撮本来就跟代码打交道的人。Codex 的聪明之处在于，它没有创造一个新的交互习惯，而是直接嫁接到一个已经养成的习惯上——你本来就在用 ChatGPT 聊天，现在只是在同一个界面里多点开一个 Work/Codex 的 tab，切换成本几乎是零。Claude Science 对我来说培养出的是另一种习惯：一个可以被反复打断、追问、拉长到几个小时的协作过程，我依赖的不是"交给它然后走开"，而是"随时能接着上一步继续往下聊"。

定价策略。 Manus 靠的是饥饿营销式的邀请码稀缺性，价格完全脱离成本，是典型的泡沫定价。OpenClaw、Hermes 这类 agent 托管平台，走的是低门槛起步——花几块钱一个月就能有一个带着基础额度、随时在线的 agent bot，再靠用户自己接入更贵的模型或者升级套餐来往上卖。Codex 则是把 agent 能力揉进了已有的订阅阶梯里：不是单独收一份 agent 的钱，而是让你在原有的聊天订阅基础上，多用一点算力就多算一点信用点——它的定价权来自主产品本身的用户规模，agent 只是这份订阅里新增的一块用量。Claude Science 因为是自托管，某种意义上没有"定价"这回事——你付出的是硬件和电费，以及你自己维护它在线的时间成本，这本身也是一种取舍：换来的是不用被任何托管方的额度政策卡脖子。

三者放在一起看，会发现一条很清晰的路径：从"框架层靠稀缺性割一波韭菜"，到"框架层靠低价走量"，再到"模型厂商自己把 agent 缝进日常产品里、让你几乎感觉不到多花了一份钱"。Agent 这件事的商业模式，正在从一门单独的生意，变成大模型产品里一个默认就该有的功能。

大模型的下一个版本

但故事到这里还没完。就在 agent 概念被 Codex、Claude Science 这些"厂商亲自下场"的产品收编成日常功能的同时，另一条线也在同步发生：大模型本身正在被训练得越来越"自带干活能力"。

这几天，中国模型厂商发布了 Kimi K3——参数规模逼近 3 万亿，是目前已知最大的开源权重模型之一，而且原生就带着强大的工具调用能力，官方把它和 Claude Fable 5、GPT 5.6 这样的闭源旗舰模型放在一起做对比。这个节奏其实和 Manus 当年经历过的事情很像：一旦底层模型自己就能原生、熟练地做函数调用、做长程任务，那些曾经靠"帮你把模型和工具调用框架接起来"这件事挣钱的创新，价值就会被迅速稀释——因为这件事,模型自己就会做了，不再需要额外的一层壳子。

ChatGPT 刚把 Work 和 Chat 拆成两个独立的顶部 tab 没多久，Kimi K3 就带着接近 3 万亿参数和大量内置的函数调用能力上线了；再往前看，还有 Claude Fable 和 GPT 5.6 这些同期的旗舰更新。短短几周里，我们又一次看到了这个世界的新一轮未知。而未知，往往就意味着新的机会和新的变革——agent 这个概念从 Manus 的虚拟机幻觉，到 OpenClaw 的疯狂安装潮，再到现在被模型厂商自己吃进产品里、甚至吃进模型本身的训练目标里，它的边界还远没有定下来。谁会是下一个被重新定义的东西，现在还不好说。