这个事给我们带来一个冲击：利用群体智能去提升Agent框架非常重要。 我非常欣喜看到OpenClaw star量（GitHub收藏数）飞升，这是AGI（Artificial General Intelligence，通用人工智能）到来前兆必须要有的事情。它卖给OpenAI后，开源没变，还是可以在这套框架基础上大家一块设计更好的Agent架构，这种群体演变的可能和基因火种是保留的，挺好的。
软件开发是一个非常长程的任务，把它做好了，很多模型通用特质就好了，Agent框架本身也迭代好了。这些框架都有泛化性，能泛化到更难的长程任务里。我们做了两件事：一是在Agent场景里构造真的长程任务训练进去，在上面scaling（扩展）大量SFT和RL训练；二是靠群体智慧覆盖更多领域，发掘更广泛场景来合成更多数据。一兆上下文基本很少是做单一任务，通常在做复杂任务。训练一兆的trajectory（轨迹）非常慢，即使TPS（Transactions Per Second，每秒事务处理量）做到80到100，也要一两个小时。真实训练不会在这么长程的任务上训。但当你有在一兆Context预训练过，后训练有对应任务激活一下，通常就能具备一兆的能力。现在一兆上下文能力稳定度上，只有Claude Opus 4.6和Sonnet领先，其他像Gemini（谷歌的大模型）都不行。2.为什么OpenClaw在中国更火？我看到“西虾东养”的说法。可能一个原因是中国的开发者更多，效率提升是我们血液里边的东西。OpenClaw能把效率提升拉到极致。还有一个原因跟国内大模型发展密切相关。绝大部分效率提升场景，85%不需要最顶尖的模型。 我们有很多便宜好用的模型，花10块钱的API（应用程序接口）就能帮你干完1000块钱的事，你当然愿意用。国内大部分模型可能刚靠近Claude Sonnet和Opus水平，反而在这握手了。我一开始也以为不难，后面发现它整个Agent设计非常巧妙，弥补了很多模型短板。我怀疑它最开始是基于Claude上一代模型做的，所以必须在框架设计上更精细。现在模型能力继续提升，精巧编排还是需要的，出于成本考量。不可能所有场景都用最顶尖模型，太贵了。 Agent在进化，模型在进化，可能现在10B（100亿参数）模型过一年就能做到Opus水平，一两块钱百万token（词元），反应更快更灵敏。它让不那么好的模型，有了更好的发挥空间。3.Skills提供了一种交互方式，让人主动贡献数据之前讲的Agent，在我的定义不算Agent，只是上下文稍复杂一点的Chat。不管是BrowseComp（谷歌的浏览器理解基准），还是SWE-bench（软件工程基准），Agent框架太简洁，不通用，只能for特定任务设定。很多看似for Agent的模型，只是换了更复杂的System prompts（系统提示词），稍微带点环境反馈，根本没达到工业级可用。什么叫工业级可用？接到Claude Code或OpenClaw里能用，才叫可用。 人跟它交互范式的最大变化是：人不再去修改代码，不再说“这一行出错了帮我改一下”。人只会提更高阶的东西：增加限制、澄清需求、架构设计、辅助理解业务逻辑。业务逻辑是模型本身不具备的，因为很多是企业内部真实环境沉淀下来的，你必须跟它很多轮交互才会沉淀下来。这就是Skills的价值。当你面临很大范式变化，只要路径走对了，可以短暂忽略评估，体感就能测出质的差异。但进入深水区，还是需要精细评估。Skills定义了一套执行规范，这些规范很难在预训练数据里具备，因为预训练数据里没有企业内部的这些信息。但可以由人教Agent，跟它多轮交互，把这套规范让Agent学会。大量Skills其实是Agent自己写的。确实是OpenClaw把Skills给带火的，让更多人去贡献Skills社区，这非常关键，这就是人跟Agent需要共创的地方。预训练大部分依赖的知识是互联网可访问的，但很多智能我们在互联网上访问不到。Skills提供了一种交互的方式，让人主动贡献数据，贡献让模型执行任务成功率更高的方式。4.今年生产力会爆发今年生产力会爆发，大家会觉得很多工作不需要自己做了。不仅是写代码的人，只要你接触到，就会发现好多工作会被替代。这时候人更应该去思考，到底自己的意义和价值是什么？国内也出现了各种Claw，但真正让框架自迭代、强调自进化的，还没有大规模出现。框架本身的自进化，Agent本身的自进化，Agent跟人之间的自进化，我还没看到。我们现在做的是train（训练）更好的model for Agent，让Agent适应model，在做Agent跟model之间双向流动。未来需要做的是怎么让框架自己进化，以及框架跟人互相进化。现在拥有Long Context（长上下文）、高效模型架构、Code能力好的厂商，参数1T（1万亿参数）以上，基本都在同一水平线。Anthropic走前面了，但上一个时代的成功并不意味着下一个时代的领先。5.它先吸收所有人的智能，再靠自己产生更强的智能之前做研究从想到写代码到设计评估，至少要一两周。在Agent辅助下，真的一两小时就做完。我一直把研究效率看得很关键，Agent加速了这个效率。你的taste（品位）准，就一做一个准。十个idea（想法）可以并行，交给不同subagent（子智能体）同时做，还能交叉验证，最多一天就能验证研究想法OK不OK。关键是你愿意长期培养它，它可以自迭代。就训模型这个事，以前我觉得很难，不太可能。最近发现它聪明到只要你把近期Context告诉它，它甚至能帮你复原科研成长路径。这时再跟它讨论同样topic（话题），发现它跟你一样聪明。这个事很残酷。我原来觉得我们做的工作足够有创造力、不会被Skill化、Workflow（工作流）化。现在发现它竟然也能！可能过一段时间我们能训出来的模型它也能训出来，那它能不能训出更强的模型？自己左脚踩右脚就提升了？它先吸收所有人的智能，再靠自己产生更强的智能。这是这一两年会发生的事情。从提升顶尖模型能力的角度，让Agent替代更高价值的任务是重要的，更高价值意味着更长Context、更多token消耗量，替代到最顶尖那一群人的智能就够了。另一个角度是要做一个对全社会有益的模型，普适度更高的任务更好，就更需要多模态和注重成本。你怎么做更低成本、更高效率、更高速度的Agent框架和对应结合的模型，就很关键。小尺寸端侧模型趋势会发生，但不是26年主旋律，是支线。26年主旋律是生产力的变革，高生产力场景的持续突破。要做更长程任务，更强调多Agent协作。但市场上看到的Multi Agent（多智能体）都有点“伪”，真的依赖于Multi Agent实现更好任务完成率上有点“伪”，它能提升效率和节省成本，但我还没看到能实现更高上限的东西。这也是为什么我要说开源。人的大部分简单任务，跟隐私相关的可以完全放本地化做。你自己有一块芯片，所有数据在本地，涉及隐私的在本地推理，高难度、高复杂度的再去云端推理。一个好的Agent框架，借助一个很小的3B模型，能做的任务复杂度都超乎我的想象，这激发了我对端云混合、隐私本地化的思考。需要更多人一块做，不是某个公司就能做好。我这两个月的生活就是工作还有工作，亢奋还有亢奋。你每天都会发现，Agent框架本身或模型本身又进步了。
三、大模型竞争路线图：
从Chat到Agent的历史跃迁
1. 回顾过去三年ChatGPT是第一个发挥模型在4K预训练场景里的智能水平。预训练长度很关键，Chat是很关键的交互方式，激发了大家感知到模型智能。23年是开源界追上闭源模型。Llama（Meta的开源模型）披露了大规模预训练范式，告诉你这么训能成功。Qwen（阿里的通义千问）借助LLaMA架构，做更好的预训练数据、更大规模compute scaling（算力扩展），做全尺寸模型，对社区非常有利。DeepSeek同期更在乎看到LLaMA架构的问题，提出MoE（Mixture of Experts，混合专家）for高效训练、MLA for更低推理成本，在更差芯片上做更好的研究来scaling。一个在研究上做到绝对高度，一个在生态价值上做到高度，彼此促进。这是23、24年的事。24年发生在意料之外的，是o1跟R1。R1在DeepSeek内部，也算是一次“奇袭”，诞生非常偶然。 当预训练范式变到后训练，组织和团队怎么重组？很多团队对预训练和后训练的人物画像很刻板，天然导致做预训练人做不了后训练。我没有意识到的是它是一个范式的转变，Reasoning（推理）可以通过Code Math（代码数学）这个高泛化场景放到通用以外。这导致我后面再看新的东西，会先思考它是不是真的能泛化？是不是我把它想小了？25年是很交错的一年。你可以选择在Chat范式下把Reasoning做到极致，继续深耕SWE-Bench这些Benchmark。你也可以选择忽略，去拥抱新的Agent架构。MiniMax是国内转得最早的。比较聪明的团队，25年年中就会全面拥抱Agent架构。从模型发版速度能看出谁拥抱得快。那些所谓Agent的Benchmark非常离谱，BrowseComp上训的模型只能在这种数据集上测，泛化不出去。这半年做Agent的人，大部分是走到歧途上。我们也走了一小阵，但Flash还是想做很好的Chat，要先打好基础做到七八十分，让大家有个历练。进化的关键是不能给太细的监督信号，否则团队会失去原创能力。2.现在是大模型竞争的第二幕这算是模型竞争的第二幕。所有人都开始在同一个起跑线上。Claude两年前就在这个路径上了，大部分人没意识到。什么是正确的事？在一套非常复杂或多样的Agent框架，去端到端完成更高复杂度的任务，以此为目标作为后训练范式。而不是在一个很局限的场景里定制简洁架构。MiniMax用一个10B激活模型做到目前Agent能力，后训练敏捷程度惊艳。入场券是要做到对标Opus的水平，需要1T基座加敏捷性。中国公司还没有同时具备的，看一看DeepSeek吧。Anthropic的路径是正确的，这算是当下共识。 国内大模型团队进入加速追赶状态。Pre-train代差基本没有，国内在Pre-train结构上甚至是有优势的。赛点在于：在Agent上怎么做好RL的scaling，这是非常清晰和准确的方向。我从一开始就觉得Coding泛化性强。每个范式上都戳中那个点，你可以在Code上自闭环，并且很容易scaling到更广领域的通用数据上。做Code这事，在范式转变时是非常优雅的路径。竞争维度和速度都变多了。预训练不可能一个月出模型，后训练可以。Agent这事还要看对整个推理侧结构、硬件芯片的认知，会影响最基本决策。10兆Context什么时候做？怎么scaling？需要更长的决策链路。创业公司的团队规模会越来越小。就几个人甚至一个人都可以成为公司，只要你学会充分借助Agent。Multi Agent每个环节都差一点，需要足够便宜的模型，架构还有空间。模型借助Agent架构本身，就变成一套新的产品。模型即产品变得更突出，产品力反而更强了，其它所有东西都很简单。3.两年内实现AGI大模型演变逻辑跟人不一样。人演变是为了生存，大模型没有生存危机，反而进化得更自由、更有创造力。它基础条件太好了，那么多算力、人类宝贵的知识起点、那么多人帮它提升。Coding主旋律是做复杂的软件工程、一步直达的开发，替代程序员越多就是主旋律。再外延到更广泛生产力场景，需要更强交互方式。机器人是会涌现的方式，会从屏幕上跃出来到真实空间。但机器人本身瓶颈可能在硬件和电池上，比Agent在语言空间的进化要慢。感觉AGI历程已经到了20%。今年至少到60%、70%，两年内应该能实现。之后大部分人会抛弃原来工作模式。先颠覆工作，再颠覆生活，生活需要更多机器人。
AI训练AI确实是标志节点。它可以自提升，达到最巅峰一群人的智能，能创造新研究，是自迭代的巅峰，这会是核心竞争点。开源是加速AGI的。 假设AGI爆发替代绝大部分生产力，芯片会分散，推理有不同厂商做，模型一定是不一样的。从终局倒推，开源有利于推进这个事。开源对Agent框架、芯片、能源都有促进。国内有1T以上基座的公司有好几家，距离Claude Opus 4.6如果反应够快，应该只有两三个月的代差，是追上当代Claude，概率蛮高。接下来两三个月会非常精彩。Agent框架进步非常快，推理需求会爆发。需要做更好更低成本的推理。还要寻求更大规模scaling，参数量还是什么？在什么芯片上？这决定半年后谁更领先。按照我们目前前沿研究、模型水平、AGI框架、芯片能源多方面合起来，中国非常可能领先。
夜雨聆风
