原文摘要

今年Agent的核心变化在于，Tool Use能力取得了突破。

原文链接

进一步信息揣测

• DeepSeek打破OpenAI垄断的细节：DeepSeek可能通过特定优化（如垂直领域微调或成本控制策略）在推理模型赛道突围，而非单纯技术超越，这背后可能涉及未公开的算力合作或数据源优势。
• 大厂Agent项目的真实进展：Google的Project Mariner、百度的“心响”APP等虽高调宣传，但实际落地可能受限于内部资源争夺或技术瓶颈（如多工具协同的可靠性），部分功能演示可能存在“技术化妆”（Tech Demo包装）。
• PMF的隐藏挑战：Agent产品普遍面临“伪需求”问题，用户实际使用频率远低于预期，商业化依赖企业定制（如阿里“心流”），但企业端对自动化替代人力的接受度仍存隐性抵触。
• Operator与Deep Research的局限性：OpenAI两款产品的“上网执行”和“深度研究”能力可能依赖严格白名单或人工审核，实际场景中错误率（如错误点击/数据误解）未公开，需付费版才能解锁完整功能。
• 模型军备竞赛的副作用：头部厂商频繁迭代模型（如Claude 4、Gemini 2.5 Pro）导致中小团队被迫跟进，但训练成本剧增，部分团队可能通过“模型套壳”（基于API二次包装）虚标能力。
• Tool Use突破的实践陷阱：尽管工具调用能力提升，但多步骤任务中Agent易陷入“死循环”（如反复调用无效API），需开发者手动设置熔断机制，这一经验罕见于公开文档。
• 数据壁垒的行业真相：Agent表现差异的核心可能非模型本身，而是厂商未公开的专有数据（如特定行业交互日志），这类数据通常通过封闭合作或高价采购获得。