前沿科技，数智经济

" 90% 的 Agent 会被大模子吃掉。"

7 月 15 日，金沙江创投摆布结伙东谈主朱啸虎一如既往地语出惊东谈主，此次炮轰的是近一年 AI 圈最炙手可热的 Agent。

在" Agent 之年"程渡过半的时候，最近传来的似乎却多是悲不雅的判断和信息。就在上周，Manus 总部搬动至新加坡、国内裁人 80 东谈主以及烧毁国内版块上线的一系列动态，也让人人驱动谈论起，Manus 到底如何了？

背后有身为好意思元基金的 BenchMark 领投、底层模子包含 Gemini、Claude 等一系列外洋模子，加之曾堕入缺算力资源的据说，Manus 的出走，还是印证为时势所迫的转化和转机，而非计较失败导致的撤除。

但围绕以 Manus 为首的通用 Agent，它们头顶的乌云尚未散去：一边是 Manus、Genspark 们收入变现的下滑，另一边是用户活跃度的着落。

这种场面，揭示了当下通用 Agent 赛谈的中枢问题：在本领飞腾和本钱狂欢事后，家具尚未找到能让广大 C 端用户不竭"诚心"并为之付费的杀手级运用场景，只可被偶尔拿来作念个半制品 PPT、找几份诠释。

通用 Agent 市集，正在被模子身手的溢出蚕食，也被垂类 Agent 抢走份额。

转战外洋，Manus 们如何了？

通用 Agent，堕入了一个莫名的境地。

在几个月的时候里，通用 Agent 出身时的惊艳不复存在：放在企业里，它无法和垂类 Agent 的精确并列；拿到个东谈主手上，它又莫得找到更戳顶用户需求的场景。

模子身手的普及，先对 Agent 们"砍了一刀"。

跟着大模子身手的马上发展，模子本人正在变得越来越" Agent 化"，跟着模子性能的溢出，用户不错凯旋调用模子来完成任务。

以咫尺进展更快的 AI 代码为例，Anthropic 的 Claude、谷歌的 Gemini 系列模子，模子本人的编码身手就在跟着更新普及，其自研的编码用具（如 Claude Code）不仅能给达成自主编程，优化各样家具体验除外，它的 Max 会员模式还解救用户随性调用自家模子，即使是每百万输出 tokens 收费 75 好意思元的 Opus 4，单月 200 好意思元雷同解救不限量使用。

对比 Manus 最贵的 Pro 会员每月 199 好意思元的付费模式，价钱天然接近，但 Manus 的最高等会员依旧是以积分制消费，Pro 会员单月能得到逐日施济的积分 + 单月 19900 积分 + 限时 19900 积分，靠任务破钞积分制来业绩。按照单个任务 100 积分估算，一天神用次数也就在 10 次傍边。

制约 Manus 的成本问题，转嫁到用户身上，即是不行抛弃的高订阅价。

当模子本人就能提供接近 Agent 的体验时，用户会天然倾向于凯旋使用更低廉、更浮浅的模子 API 或对话界面，而非颠倒付费使用一个功能重复的通用 Agent 家具。这导致一部分市集份额被身手日益鉴定的基础模子凯旋"吃掉"。

面向用户来说，对比垂类 Agent，通用 Agent 在企业端的运用效果欠安，从着力 / 着力规画，齐无法达到"数字职工"的高度。

朱啸虎说" 90% 的 Agent 市蚁集被吃掉"，但他地方的金沙江创投也参与了 AI Agent 方式融资，仅仅比拟于通用 Agent，他更看好能信得过跑出着力和实质落地的家具。

金沙江投资的 Head AI（原 Aha Lab），即是一家靠 AI Agent 作念自动化营销的公司，当今升级为 AI 营销家具。用首创东谈主的话来说，只需告诉 Head 你的预算和网站，它就能自动处分达东谈主营销、定约营销和 Cold Email ——一个东谈主解决一个市集部。

关于企业用户而言，准确度和成本是中枢诉求。但通用 Agent 咫尺还无法与针对特定场景优化的垂类 Agent 长短不分。

若是把一样的任务交给通用 Agent 和企业里面的垂类 Agent 去作念，前者只可靠搜索引擎勾引需求给出末端，尔后者则会连气儿到企业里面搭建好的常识库，笔据里面信息贴合需求输出，相称于后者身上"绑"了个更充足的辛勤库，末端可想而知。

企业在引入新本领时，对成本和风险的边界条目极高。通用 Agent 时常基于久了而复杂的"黑盒"模子，其有打算过程不透明，且输出末端存在一定的立地性（即"幻觉"问题）。瞄准确度条目更高的企业，显明无法接受通用 Agent 抗争稳的输出质料。

一位 Agent 竖立者告诉光锥智能，企业时常需要将 Agent 与里面常识库、业务经过系统深度集成，部分粗犷的责任则和会过责任流来确保任务准如实施。

夹在大模子和垂类 Agent 之间，通用 Agent 被两者各自均分走了一大块蛋糕。

没场景、待进化

Agent 才走了个着手

在"用不起来"的情况下，用户对通用 Agent 温暖也不复当初。

这也导致，以 Manus 们为代表的 C 端通用 Agent 正在靠近增长放缓、以致倒退的窘境。

天然从生意化上来说，通用 Agent 如实展现了满盈吸金的一面。以 Manus、Genspark 等通用 Agent 为代表，近几个月的变现得益讲明了这个赛谈的后劲：超卓产研数据流露，本年 5 月，Manus 还是达到 936 万好意思元 ARR（年化收入），Genspark 更是在发布 45 天的情况下，达到 3600 万好意思元 ARR。

但在短期的流量高涨事后，通用 Agent 家具们或多或少地出现了拜访量和收入下降的情况。

6 月，Manus 拜访量为 1781 万，和 3 月发布即登顶的拜访量 2376 万比拟，还是着落 25%；Genspark 的拜访量也处在来去浮动的气象，6 月拜访量为 842 万次，下降 8%，昆仑万维天工超等智能体下降 3.7%。

雷同是在 6 月，两个生意化施展超越的家具 Manus 和 Genspark 出现不同程度的收入着落。据超卓产研数据，Manus 当月 MRR（月度收入）为 254 万好意思金，环比着落逾越 50%；Genspark 当月 MRR 为 295 万好意思金，环比着落 13.58%。

上述数据阐明，在一时的热度事后 ，通用 Agent 类家具的使用体验并莫得能让用户不竭付费的勾引力。同期，用户体验的频次也在减轻。

究其原因，照旧因为 Manus 们莫得找到满盈让用户为之不竭付费的 Killer（杀手级）场景。

咫尺，市集上多数通用 Agent 齐在卷几个固定的办法：作念 PPT、多模态身手、写诠释（Deep Research），多聚焦于和办公强有关的场景。但关于用户来说，这些定位还难以让用户不竭付费。

在莫得找到的确的运用方上前，通用 Agent 赛谈还是有一批公司先靠家具下水测试，意图先霸占市集。

变现和流量抗争稳的情况下，大厂对自研 Agent 的元气心灵插足有限，一般照旧给与"两手抓"的模式，在竖立自家 Agent 家具除外，咫尺更多地在扩充自家 Agent 竖立平台。比如阿里、字节和百度，扩充平台的同期发福利、组织 Agent 竖立比赛，聚焦竖立者生态搭建。

市集似乎还是默许，通用 Agent 是小厂玩不起的生意。

不错看到，在国内市集，除去 Manus 和 GensPark 稀疏几家创业公司，多数通用 Agent 的竖立公司齐是手合手自研大模子的公司：

其中，大厂不仅有模子，背后还有自家云作念支援。通用 Agent 既是家具，亦然他们算作 B 端平台，通过 C 端家具展示身手的一面镜子，以此招徕更多竖立者。

大模子创业公司则本着"模子即 Agent "的想路，更多在模子层就针对 Agent 对 RL（强化学习）、长文本等需求钻研模子，才有了通用 Agent 家具。

国内通用 Agent 玩家的收费模式，也比出海的方式更卷。以百度、字节为代表的大厂有身手公开测试，免费提供业绩。如 MiniMax、天工智能体等则以限量使用或是购买积分使用的方式灵通。和大厂免费不限量的技能比拟，国内通用 Agent 赛谈注定会越来越卷，生意化变现是一条看不到收益的路。

从场景来看，DeepResearch 式的深度磋商功能是更多家具遴荐主攻的办法，关于文档类 Agent 来说，调用用具的复杂程度相对较低，且文本生成的成本更低，算是一个更有性价比的办法。

在竖立深度磋商功能的基础上，各家 Agent 驱动在多模态身手和运用场景上发力。一方面，在生成的文档中插入图片、视频等多模态身手，另一方面，把咫尺和 Agent 契合的场景植入到通用 Agent 中，比如作念 PPT，简直成了办公 Agent 的标配。

但不管是拿来作念诠释，再用图文诚心诚意，照旧用 Agent 作念 PPT，背后齐无法解决 Agent 输出效果一般的问题。比如一份深度磋商诠释，Agent 最容易出现的是对事实信息检索的错漏，比如无法厘清 Agent 见解从而保举大模子家具。

进一步的问题是输出的信息价值不高。一份诠释，稀疏唯有 3-4 个信源，更多内容从网络筛选得来，通常只可得到拖泥带水的"妄语"。比如要它先容大模子公司的生涯挑战，它把开公司可能存在的问题齐列个遍，既莫得针对性，也不具备有价值的增量信息。

于是，企业驱动探索更多 Agent 能匹配的场景，试图勾引更多用户参与。Agent 也不免后续酿成自家公司家具的"相关进口"，被公司用各种方式把自家家具身手整合进去，比如 MiniMax 融入了海螺生视频的身手，百度心响在场景中接入了原有的智能体对话等。

除了找不到贴合场景，现时 Agent 身手有限，效果不一，也难以让用户为之买单。

通用 Agent 实施任务一般是拆奉命务，再按照智商实施。越复杂的任务，就意味着 Agent 实施的过程更多，其中只消有任何一个智商跑出的末端有问题，就会导致合座输出末端质料欠安。是以，关于复杂任务来说，现时 Agent 实施的安详性不及。

比如，输出对一家公司的分析，就要从财报信息抓取、公司网页先容到各大信源的分析点评，其中有任何一个关节末端出错，合座诠释的分析质料就会大打扣头。

当下，一些 Agent 竖立者正试图通过本领更正来诬害这些瓶颈。

比如 MiniMax 把岁首发布的新的线性看管力机制用到了新模子 M1 中，其智能体家具以 M1 模子为基座模子。这么的克己是大幅推广了智能体能够承载的文本量，解救 100 万的高下文输入，针对法律晓示这类需要遍及文分内析的场景效果更好。

月之暗面则强调"模子即 Agent "，其基座模子是月之暗面基于端到端自主强化学习本领西宾的新一代 Agent 模子。其中，RL（强化学习）成为这个深度磋商 Agent 的亮点。

多数业内东谈主曾在和光锥智能疏通中细目 RL 之于 Agent 的迫切性。比拟传统的监督学习或预西宾模子在特定任务上施展出色，但其泛化身手通常受限于西宾数据的诀别。当 Agent 需要处理的任务场景各种化、环境动态变化时，预设规定或仅依赖一次性推理的 Agent 难以稳健。

比如，在处理一些需要多个经过完成的任务中，传统模式可能在职一个关节中出现预料问题，进而影响到最斥逐尾，但 RL 则是靠遍及试错和奖励机制来普及泛化身手，关于需要多个智商处理的复杂任务，施展效果更好。

Kimi-Researcher 主动针对矛盾信息的处理

不错说，RL 能够大幅普及 Agent 的身手上限。

Kimi-Researcher 磋商员冯一尘共享，在 Humanity's Last Exam（HLE，东谈主类的临了一场磨真金不怕火，规画 AI 在各学科贫困上的测试）榜单上，=gent 模子得分从着手的 8.6% 跃升至 26.9%，比拟 OpenAI Deep Research 团队在有关责任上从 20 分傍边（o3）普及到 26.6 分的着力，进一步讲明了强化学习在 Agent 西宾上的巨大价值。

在本领的天花板还够高的情况下，自后者正在拔高 Agent 的身手法式。当天（7 月 18 日），OpenAI 发布的通用 Agent 家具 ChatGPT Agent 跑出了一个漂亮的效果，在 HLE 测试施展上，取得了 41.6% 的新 SOTA 得益。

通过强化学习，Agent 有望节约单的"用具调用器"进化为信得过具备"自主学习"和"环境稳健"身手的智能体。届时，通用 Agent 概况才能信得过找到杀手级场景，并让用户心甘宁肯地为其买单。

Agent 的路还很长开云kaiyun官方网站，唯有靠本领诬害和场景深耕，才能成为信得过帮得上忙的 AI 助手。