过去一年，中国大模型厂商的竞争主线是“谁的模型更会聊天”，而进入新的一年，主线正在快速切换为“谁的Agent更能干活”。近日，智谱清言、月之暗面Kimi、阿里通义千问、字节豆包等主流产品相继在Agent方向上加码，产品形态从单轮问答、多轮对话，明显转向具备工具调用、任务规划与跨应用执行能力的“数字执行体”。这一变化并非简单的功能叠加，而是国产大模型商业化路径的一次集体校准。
以智谱为例，其清言平台近期的更新重点集中在GLM系列模型的原生工具调用能力上。相比早期依赖提示词拼接的“伪Agent”，新一代模型在函数调用（Function Calling）上的稳定性明显提升，能够在一次任务中连续调度搜索、代码解释器、文件读写等多个工具，并根据中间结果动态调整下一步动作。智谱方面披露的思路是，把Agent拆解为“规划—执行—反思”三个环节，由模型自身承担调度中枢角色，而不是由外部工程代码硬编码流程。这一思路在业界被称为“模型即Agent”，其优势在于任务泛化能力更强，劣势则是对模型推理稳定性的要求极高。
月之暗面的Kimi则在长上下文与Agent的结合上走出差异化路线。Kimi早期以超长文本处理能力建立认知，近期其产品迭代明显向“长文档+多步骤研究”场景倾斜：用户给出一个研究主题，Agent可自主拆解检索子问题、批量读取网页与PDF、汇总比对后输出结构化报告。这类“深度研究”型Agent对上下文窗口、检索质量与引用溯源的要求远高于普通对话，也是当前国产Agent中较少被做扎实的方向。据了解，Kimi在内部评测中把“多跳检索准确率”和“引用可追溯率”作为核心指标，而非单纯看回答流畅度。
阿里通义千问侧的动向则更偏向生态整合。通义App与阿里云百炼平台近期在Agent编排能力上持续投入，强调低代码搭建与企业级工具接入：开发者可通过可视化流程编排，把通义模型与内部数据库、CRM、工单系统连接，形成面向具体业务的垂直Agent。这种“平台+模型”的打法，瞄准的是B端客户的定制化需求，也让Agent从Demo走向可运维的生产系统。与此同时，字节豆包在C端的Agent化尝试更为激进，其“任务式交互”将搜索、日程、内容生成等能力封装为可一键触发的能力模块，试图降低普通用户使用Agent的心理门槛。
值得关注的是，国产Agent这轮集体转向背后有三重现实推力。其一是模型能力的天花板效应：纯对话场景的同质化严重，用户留存难以拉开差距，Agent成为新的差异化抓手。其二是工具生态的成熟：搜索API、代码沙箱、浏览器自动化、文档解析等基础设施在国内外均已相对可用，Agent“有手可用”。其三是商业化的压力：按Token计费的对话模式难以覆盖推理成本，而按任务、按席位、按调用量的Agent计费方式更接近企业采购逻辑。
不过，冷静来看，国产Agent距离“可靠执行”仍有明显差距。多步骤任务中的错误累积、工具调用的失败重试、长任务的成本控制、以及执行过程中的安全边界，都是尚未完全解决的问题。尤其在涉及支付、文件删除、外部系统写入等高风险动作时，多数产品仍采取人工确认的保守策略。业内的共识是，Agent的竞争下半场不在“能不能做”，而在“做得稳不稳、算得省不省、管得住不住”。从对话到执行，国产Agent已经跨过了概念验证阶段，真正的考验才刚刚开始。
标签：Agent,智谱清言,Kimi,通义千问,豆包