前沿科技，数智经济

" 90% 的 Agent 会被大模子吃掉。"

7 月 15 日，金沙江创投主宰结伙东说念主朱啸虎一如既往地语出惊东说念主，此次炮轰的是近一年 AI 圈最炙手可热的 Agent。

在" Agent 之年"进渡过半的时候，最近传来的似乎却多是悲不雅的判断和信息。就在上周，Manus 总部移动至新加坡、国内裁人 80 东说念主以及毁灭国内版块上线的一系列动态，也让环球开动究诘起，Manus 到底怎么了？

背后有身为好意思元基金的 BenchMark 领投、底层模子包含 Gemini、Claude 等一系列国外模子，加之曾堕入缺算力资源的传奇，Manus 的出走，仍是印证为步地所迫的转折和赈济，而非狡计失败导致的撤回。

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下落。

这种场合，揭示了当下通用 Agent 赛说念的中枢问题：在技巧飞腾和成本狂欢事后，产物尚未找到能让广泛 C 端用户陆续"至心"并为之付费的杀手级诈欺场景，只可被偶尔拿来作念个半制品 PPT、找几份敷陈。

通用 Agent 商场，正在被模子智商的溢出蚕食，也被垂类 Agent 抢走份额。

转战国外，Manus 们怎么了？

通用 Agent，堕入了一个难过的境地。

在几个月的时辰里，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 的精确并排；拿到个东说念主手上，它又莫得找到更戳顶用户需求的场景。

模子智商的提高，先对 Agent 们"砍了一刀"。

跟着大模子智商的飞快发展，模子自己正在变得越来越" Agent 化"，跟着模子性能的溢出，用户不错径直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，模子自己的编码智商就在跟着更新提高，其自研的编码器用（如 Claude Code）不仅能给结束自主编程，优化种种产物体验以外，它的 Max 会员模式还扶持用户精真金不怕火调用自家模子，即使是每百万输出 tokens 收费 75 好意思元的 Opus 4，单月 200 好意思元不异扶持不限量使用。

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 会员单月能获取逐日赈济的积分 + 单月 19900 积分 + 限时 19900 积分，靠任务破钞积分制来作事。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，即是不能甩掉的高订阅价。

当模子自己就能提供接近 Agent 的体验时，用户会天然倾向于径直使用更低廉、更简略的模子 API 或对话界面，而非非常付费使用一个功能重复的通用 Agent 产物。这导致一部分商场份额被智商日益强劲的基础模子径直"吃掉"。

面向用户来说，对比垂类 Agent，通用 Agent 在企业端的诈欺效果欠安，从效力 / 效力估量，皆无法达到"数字职工"的高度。

朱啸虎说" 90% 的 Agent 商场会被吃掉"，但他方位的金沙江创投也参与了 AI Agent 花样融资，仅仅比较于通用 Agent，他更看好能真实跑出效力和履行落地的产物。

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，咫尺升级为 AI 营销产物。用首创东说念主的话来说，只需告诉 Head 你的预算和网站，它就能自动管束达东说念主营销、定约营销和 Cold Email ——一个东说念主解决一个商场部。

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 同日而言。

淌若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连合需求给出结果，尔后者则会连气儿到企业里面搭建好的常识库，阐发里面信息贴合需求输出，十分于后者身上"绑"了个更充足的良友库，结果可想而知。

企业在引入新技巧时，对成本和风险的罢休条目极高。通用 Agent 每每基于庞杂而复杂的"黑盒"模子，其有绸缪过程不透明，且输出结果存在一定的就地性（即"幻觉"问题）。瞄准确度条目更高的企业，走漏无法采选通用 Agent 不深入的输出质地。

一位 Agent 确立者告诉光锥智能，企业每每需要将 Agent 与里面常识库、业务经过系统深度集成，部分浅近的使命则理解过使命流来确保任务准确推论。

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 才走了个来源

在"用不起来"的情况下，用户对通用 Agent 温存也不复当初。

这也导致，以 Manus 们为代表的 C 端通用 Agent 正在面对增长放缓、以致倒退的逆境。

天然从交易化上来说，通用 Agent 如实展现了宽裕吸金的一面。以 Manus、Genspark 等通用 Agent 为代表，近几个月的变现获利解说了这个赛说念的后劲：超卓产研数据显现，本年 5 月，Manus 仍是达到 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 产物们或多或少地出现了访谒量和收入下降的情况。

6 月，Manus 访谒量为 1781 万，和 3 月发布即登顶的访谒量 2376 万比较，仍是下落 25%；Genspark 的访谒量也处在来去浮动的景象，6 月访谒量为 842 万次，下降 8%，昆仑万维天工超等智能体下降 3.7%。

不异是在 6 月，两个交易化发达超过的产物 Manus 和 Genspark 出现不同程度的收入下落。据超卓产研数据，Manus 当月 MRR（月度收入）为 254 万好意思金，环比下落跳动 50%；Genspark 当月 MRR 为 295 万好意思金，环比下落 13.58%。

上述数据施展，在一时的热度事后 ，通用 Agent 类产物的使用体验并莫得能让用户陆续付费的诱骗力。同期，用户体验的频次也在收缩。

究其原因，如故因为 Manus 们莫得找到宽裕让用户为之陆续付费的 Killer（杀手级）场景。

咫尺，商场上多数通用 Agent 皆在卷几个固定的想法：作念 PPT、多模态智商、写敷陈（Deep Research），多聚焦于和办公强关系的场景。但关于用户来说，这些定位还难以让用户陆续付费。

在莫得找到真实的诈欺方上前，通用 Agent 赛说念仍是有一批公司先靠产物下水测试，意图先霸占商场。

变现和流量不深入的情况下，大厂对自研 Agent 的元气心灵参加有限，一般如故遴荐"两手抓"的模式，在确立自家 Agent 产物以外，咫尺更多地在扩展自家 Agent 确立平台。比如阿里、字节和百度，扩展平台的同期发福利、组织 Agent 确立比赛，聚焦确立者生态搭建。

商场似乎仍是默许，通用 Agent 是小厂玩不起的生意。

不错看到，在国内商场，除去 Manus 和 GensPark 稀罕几家创业公司，多数通用 Agent 确实立公司皆是手持自研大模子的公司：

其中，大厂不仅有模子，背后还有自家云作念支援。通用 Agent 既是产物，亦然他们行动 B 端平台，通过 C 端产物展示智商的一面镜子，以此招徕更多确立者。

大模子创业公司则本着"模子即 Agent "的念念路，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 产物。

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智商公开测试，免费提供作事。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洞开。和大厂免费不限量的技巧比较，国内通用 Agent 赛说念注定会越来越卷，交易化变现是一条看不到收益的路。

从场景来看，DeepResearch 式的深度谈判功能是更多产物取舍主攻的想法，关于文档类 Agent 来说，调用器用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想法。

在确立深度谈判功能的基础上，各家 Agent 开动在多模态智商和诈欺场景上发力。一方面，在生成的文档中插入图片、视频等多模态智商，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。

但非论是拿来作念敷陈，再用图文诚心诚意，如故用 Agent 作念 PPT，背后皆无法解决 Agent 输出效果一般的问题。比如一份深度谈判敷陈，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 看法从而保举大模子产物。

进一步的问题是输出的信息价值不高。一份敷陈，稀罕只好 3-4 个信源，更多内容从网罗筛选得来，时常只可得到滞滞泥泥的"谎话"。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皆列个遍，既莫得针对性，也不具备有价值的增量信息。

于是，企业开动探索更多 Agent 能匹配的场景，试图诱骗更多用户参与。Agent 也不免后续酿成自家公司产物的"围聚进口"，被公司用万般方式把自家产物智商整合进去，比如 MiniMax 融入了海螺生视频的智商，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 智商有限，效果不一，也难以让用户为之买单。

通用 Agent 推论任务一般是拆衔命务，再按照武艺推论。越复杂的任务，就意味着 Agent 推论的过程更多，其中只消有任何一个武艺跑出的结果有问题，就会导致全体输出结果质地欠安。是以，关于复杂任务来说，现时 Agent 推论的深入性不及。

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，其中有任何一个重要结果出错，全体敷陈的分析质地就会大打扣头。

当下，一些 Agent 确立者正试图通过技巧立异来冲突这些瓶颈。

比如 MiniMax 把岁首发布的新的线性预防力机制用到了新模子 M1 中，其智能体产物以 M1 模子为基座模子。这么的公正是大幅扩展了智能体能够承载的文本量，扶持 100 万的落魄文输入，针对法律文告这类需要大批文天职析的场景效果更好。

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技巧锻练的新一代 Agent 模子。其中，RL（强化学习）成为这个深度谈判 Agent 的亮点。

多数业内东说念主曾在和光锥智能相通中笃定 RL 之于 Agent 的过失性。比较传统的监督学习或预锻练模子在特定任务上发达出色，但其泛化智商时常受限于锻练数据的散布。当 Agent 需要处理的任务场景万般化、环境动态变化时，预设规章或仅依赖一次性推理的 Agent 难以相宜。

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重要中出现忖度问题，进而影响到最赶走果，但 RL 则是靠大批试错和奖励机制来提高泛化智商，关于需要多个武艺处理的复杂任务，发达效果更好。

Kimi-Researcher 主动针对矛盾信息的处理

不错说，RL 能够大幅提高 Agent 的智商上限。

Kimi-Researcher 谈判员冯一尘共享，在 Humanity's Last Exam（HLE，东说念主类的终末一场持重，估量 AI 在各学科艰巨上的测试）榜单上，=gent 模子得分从领先的 8.6% 跃升至 26.9%，比较 OpenAI Deep Research 团队在关系使命上从 20 分傍边（o3）提高到 26.6 分的效力，进一步解说了强化学习在 Agent 锻练上的巨大价值。

在技巧的天花板还够高的情况下，其后者正在拔高 Agent 的智商方法。本日（7 月 18 日），OpenAI 发布的通用 Agent 产物 ChatGPT Agent 跑出了一个漂亮的效果，在 HLE 测试发达上，取得了 41.6% 的新 SOTA 获利。

通过强化学习，Agent 有望节约单的"器用调用器"进化为真实具备"自主学习"和"环境相宜"智商的智能体。届时，通用 Agent 能够才智真实找到杀手级场景，并让用户心甘宁愿地为其买单。

Agent 的路还很长，只好靠技巧冲突和场景深耕kaiyun.com，才智成为真实帮得上忙的 AI 助手。