如果说2024年大模型的关键词是"参数"，那么2025年中国AI行业最热的词无疑是"Agent"。近日，随着一批通用型与垂直型Agent产品的密集迭代，行业讨论的焦点已经从"Agent能不能用"转向"Agent到底能替人干多少活"。
最具标志性的事件，是通用Agent产品Manus的走红。这款由 Monica 团队推出的产品，主打"交给它一个任务，它自己规划、调用工具、交付结果"。用户输入"帮我做一份某行业调研报告"，Manus会在云端虚拟机中自主打开浏览器检索、整理数据、生成文档，整个过程无需人工逐步确认。这种"端到端交付"的形态，让不少从业者第一次直观感受到Agent与聊天机器人的本质区别——前者交付的是完成品，后者交付的是文字。
但通用Agent的短板同样明显：任务链条越长，出错概率越高；工具调用的稳定性、长任务的上下文管理、结果的可验证性，都是硬骨头。于是，另一条路线在近期快速升温——平台化。字节跳动的扣子（Coze）面向开发者提供可视化编排、插件市场与多Agent协作能力，把"搭一个Agent"的门槛降到接近零代码；阿里云百炼依托通义千问系列模型，主打企业级Agent的RAG检索增强、函数调用与工作流编排；腾讯元器则把Agent能力嵌进微信生态，让公众号、小程序可以直接调用。三家平台的共同逻辑是：不追求一个万能Agent，而是让千行百业自己长出Agent。
底座模型的能力直接决定了Agent的上限。DeepSeek系列模型凭借较强的推理与代码能力、相对低的推理成本，成为大量Agent项目的默认选择之一；通义千问在工具调用与长上下文上的持续优化，则让复杂工作流的稳定性明显提升。值得注意的一个趋势是，模型的"Agent能力"正被单独拿出来评测——函数调用准确率、多步任务完成率、错误恢复能力，开始取代单纯的 benchmark 分数，成为厂商宣传的重点。
落地场景方面，目前跑得最靠前的是三类。第一类是编程与运维，Agent可以读代码库、改bug、写测试、提PR，国内多家厂商已推出面向开发者的编码Agent。第二类是办公与数据处理，比如自动整理会议纪要、跨表格汇总报表、批量生成营销素材，扣子和元器上此类模板数量增长很快。第三类是客户服务与销售辅助，Agent接入了企业知识库后，能完成从线索筛选到话术推荐的多轮任务。
不过，行业也需要冷静。当前Agent的可靠性仍受制于"幻觉"与工具调用的不确定性，长任务失败率不低；企业侧对权限管理、数据安全、审计追溯的要求，也远未在平台层得到充分满足。更重要的是，Agent的商业模式还在摸索——按调用量收费、按坐席收费、按结果分成，各家路径不一。可以确定的是，2025年的Agent竞赛已经从"秀demo"进入"拼交付"阶段，谁能把任务完成率做上去、把成本降下来，谁才有机会留在牌桌上。
标签：Agent,Manus,扣子,通义千问,DeepSeek