如果说2024年大模型的关键词是“价格战”，那么2025年至今，中国AI行业最热的词无疑是Agent。近日，围绕通用智能体（General Agent）的产品竞赛明显提速：从年初Manus引发的一码难求，到字节跳动推出扣子空间（Coze Space），再到阿里云百炼平台持续加码Agent开发能力、智谱清言上线AutoGLM沉思模式，几乎每一家头部玩家都在争夺“下一个工作入口”。
先看产品层面的具体动作。字节跳动的扣子（Coze）原本是面向开发者的Bot搭建平台，近期推出的“扣子空间”则明显转向普通用户：用户只需用自然语言描述任务，系统便会自动规划步骤、调用浏览器与各类工具，输出网页、文档甚至小型应用。其差异化在于依托字节的内容生态和插件体系，把搜索、数据整理、内容生成串成一条流水线，典型场景包括行业调研报告生成、竞品信息聚合、旅行行程规划等。
阿里方面的路线更偏“基础设施”。阿里云百炼持续强化Agent开发框架，支持多智能体协同、工具调用与知识库挂载，并打通通义千问系列模型。对企业和开发者而言，这意味着不必从零搭建编排逻辑，可以直接在平台上配置任务流。与此同时，千问App侧也在强化“任务型对话”，让模型从回答问题转向完成操作，比如查询、比价、生成表格等。
智谱的动作则集中在“操作电脑”这一硬核能力上。其AutoGLM系列主打GUI Agent，能够识别屏幕界面并模拟点击、输入，从而跨应用完成订票、填表、发消息等操作。最新迭代的沉思模式进一步强化了长链路任务的规划与自我纠错能力。这条路线门槛更高，但一旦跑通，想象空间也更大——它绕开了大量App缺乏开放API的现实障碍。
而Manus的爆红则像一个信号弹。它由国内创业团队推出，强调“端到端交付结果”，在虚拟机环境中自主调用工具完成简历筛选、数据分析、网页制作等任务。尽管早期因邀请码机制和实际稳定性引发争议，但它让市场第一次直观感受到通用Agent的形态：不再是聊天框，而是一个会自己干活的“数字实习生”。
把这些产品放在一起看，会发现能力差异主要落在三个维度。其一是工具调用广度，即能接入多少浏览器、API、本地软件；其二是长任务规划与纠错能力，任务步骤一多，模型容易“跑偏”，谁能稳定执行二三十步而不崩，谁就更有实用价值；其三是交付物质量，用户要的不是过程日志，而是能直接用的报告、表格或页面。
落地场景也已相对清晰。目前较成熟的方向包括：市场与竞品调研、会议纪要与资料整理、电商运营中的选品与文案批量生成、招聘初筛、以及个人事务代办如订票和行程安排。在B端，Agent正被嵌入客服、财务对账、代码辅助等流程；在C端，则以“帮我干件事”的轻量形态渗透。
但冷静来看，挑战同样明显。首先是成本，一个复杂任务可能消耗数十万甚至上百万token，叠加多次工具调用，单次执行成本远高于普通对话，如何定价仍是难题。其次是可靠性，幻觉在长链路中被放大，一步出错可能导致整体失败，因此“人工确认节点”仍是必要设计。第三是权限与安全，让Agent操作浏览器和账号，涉及数据隐私与越权风险，企业客户的顾虑并未消除。此外，各大平台的App生态相互封闭，GUI Agent的合规边界也有待厘清。
可以预见，接下来一段时间，国内Agent竞争会从“能不能做”转向“稳不稳、贵不贵、敢不敢用”。模型能力是底座，但真正拉开差距的，是工具生态、任务编排工程和垂直场景的打磨。对普通用户而言，Agent或许还称不上“数字员工”，但作为能干脏活累活的助手，它已经站在了工作台旁边。
标签：AI Agent,字节扣子,智谱AutoGLM,Manus,大模型应用