最近，OpenClaw 火了。

它火，不只是因为大家又发现了一个新工具，更重要的是，它让很多人第一次更直观地意识到一件事：

AI 可能真的开始从“会聊天”，走向“会工作”了。

不过这里要先说清楚：

OpenClaw 本身不是大模型。

它更像一个 agent 框架，负责把大模型、工具调用、执行环境和工作流串起来，也就是说，OpenClaw 能不能把任务真正做起来，底层依然高度依赖大模型本身的能力。模型越强，推理越稳，代码能力越好，这类框架就越接近真正的“自动工作”。

也正因为这样，一个更值得讨论的问题来了：

如果 OpenClaw 代表的是“自动工作”的方向，那国内大模型离这一步还有多远？

1.什么叫“自动工作”？

今天很多人觉得 AI 已经很强了，能写文案，能做总结，能解释概念，能回答问题，甚至还能写代码。但这些能力，严格来说，更多还是“辅助”，真正的“自动工作”，不是帮你润色一句话，也不是给你一个建议。而是它能像一个数字员工一样：

• 理解目标
• 拆解任务
• 调用工具
• 持续执行
• 根据反馈修正
• 最后交付结果

如果放到编程场景里，这个定义会更直观。它不只是补几行代码，不只是解释一个 bug，而是能真正去读项目、改代码、跑测试、修问题，甚至连续多轮把一项任务推进下去。从这个标准看，今天最接近“自动工作”的，已经不是传统聊天机器人了，而是像 Codex、Claude Code 这类更偏 agent 化的产品。

它们真正强的地方，不只是更聪明，而是已经开始进入真实工作现场：

• 能进终端
• 能进 IDE
• 能读写文件
• 能执行命令
• 能根据结果继续往下推进

说白了，它不是在“回答你”，而是在“替你干”。

2.国内模型，其实已经追得很快了

如果只看基础模型能力，国内并不弱，甚至进步非常快。

• DeepSeek 在推理和代码方向上的表现很突出
• Kimi 在长文本和信息整合方面有明确优势
• 豆包更偏产品化和大规模落地
• 通义千问依托生态优势，覆盖面很广

所以，如果只是让模型写一段代码、解释一个报错、写一篇文章，国内很多模型其实已经相当够用了。

但问题在于：

会回答，不等于会工作。

这才是国内模型和“自动工作”之间，最关键的差距。

3.真正的差距，主要在三层

3.1 推理和代码能力

这一层国内已经追得不慢，至少在很多单点任务上，国内模型已经能给出不错的结果。

3.2 工具调用和环境执行能力

真正的自动工作，不可能永远停留在聊天框里，它必须能调用终端、编辑器、浏览器、知识库和工作流系统。而这一层，国外目前还是明显更成熟。这也是为什么很多开发者会觉得，Codex、Claude Code，甚至 OpenClaw 这类 agent 方案，更接近“能干活”的状态。不是因为它们每次都最聪明，而是因为它们已经不再只是一个模型，而是一整套“让 AI 进入工作现场”的机制。

3.3 稳定性和闭环能力

这也是最容易被低估的一层。自动工作最难的，不是第一次做出，而是能不能持续、稳定、可验证地把事情做完。比如：

• 代码改坏了，能不能自己修回来
• 测试失败了，能不能继续排查
• 任务跑偏了，能不能重新拉回目标

很多 AI 在单轮交互里看起来很强，但一进入复杂任务、多轮执行、真实环境，就容易暴露问题。

所以决定自动工作上限的，最终不是它“会不会回答”，而是它“能不能稳定交付”。

4.国内大模型，离自动工作还有多远？

如果一定要给一个判断，我的结论是：

离高质量辅助已经很近，离独立完成工作还有明显距离。

换句话说，今天的国内大模型已经非常适合做“副驾驶”，你让它帮你想、帮你写、帮你查、帮你改，它能帮上很多忙，但如果你想把一个复杂任务完整交给它，然后等它独立把结果交回来，大多数时候，它还做不到。所以，国内大模型离自动工作还有多远？我认为，差的已经不只是参数、榜单或者单次回答效果。而是：

• 持续推理
• 工具调用
• 真实环境执行
• 结果验证
• 错误回退与修正

这一整套 agent 能力，只有这些能力补齐，AI 才不只是一个“会聊天的助手”，而会真正变成一个“能交付结果的员工”。

总结

OpenClaw 这波火，真正值得关注的，不是又多了一个热门产品。

它真正提醒行业的一件事是：

下一阶段，大模型比的不是谁更会说，而是谁更会干。

谁能把模型能力、工具调用、执行环境和工作闭环真正打通，谁才更接近自动工作。

而这，很可能就是未来几年 AI 竞争最核心的分水岭。