从Manus到Gemini，首轮Agent竞赛中有哪些关键信号？

Manus虽然当前waitlist 才200万，但考虑到访问权限限制和邀请码等负面因素的影响，这一数据相较于其热度而言并不算特别惊人。回到Anthropic的定义：LLM Agent是能“动态指导自己的处理过程和工具使用，保持对任务完成方式的控制权”。工作流Agent vs 端到端Agent，这个短期看起来就跟去年的长上下文模型 vs RAG 争议一致，并不会有明确的结论。scaling vs

程序猿李巡天

1071人浏览 · 2025-03-14 22:45:12

程序猿李巡天 · 2025-03-14 22:45:12 发布

Manus 可能会成为一个导火索，引爆Agent的竞争。

在过去的几个月里，头部AI公司纷纷发布了自己的“智能体”产品。

目前来看，各家Agent产品各有侧重，但我们开始看到两条截然不同的技术路线：一类是基于工作流的“伪Agent”（如爆火但是很多人说的没有护城河的Manus （该观点不代表作者观点）），它们本质上是将LLM和工具通过预定义代码路径进行编排；另一类是基于端到端训练的“真Agent”（如DeepResearch和Gemini 2.0 Flash Thinking的各种衍生Agent应用），它们能够动态指导自己的处理过程和工具使用，保持对任务完成方式的控制权。

当然整体上，我们还处于端到端训练Agent的早期阶段，这场以智能体为核心的第二幕AI竞争才刚刚开始。Agent技术仍在快速迭代，而这可能将重塑整个AI应用格局。

Insight 01

“模型即产品”将成为Agent时代的主导范式

当前AI行业正经历一场范式转变：从“模型即基础设施”到“模型即产品”。大厂逐渐将模型本身打造成端到端的产品，而非仅仅作为应用层的基础设施。

这一转变由几个关键因素推动：

泛化性扩展遇到瓶颈：正如GPT-4.5所展示的，模型能力增长呈线性，而计算成本却呈指数级增长，即使是OpenAI也难以负担

端到端训练效果超出预期：强化学习与推理的结合使模型突然擅长特定任务，这既不是机器学习，也不是基础模型，而是一种全新的范式

推理成本大幅下降：最近DeepSeek的优化意味着全球现有GPU足以支持地球上每个人每天使用1万token的前沿模型

在这种范式下，大模型提供商不再满足于简单销售token，而是向价值链上游移动，将模型打造成直接面向特定场景的产品。OpenAI的DeepResearch和Anthropic的Claude 3.7 Sonnet就是这一趋势的典型例子。

藏老师的神级prompt，让任意文本直接变成酷炫的html页面。claude 3.7 sonnet就是掌管SVG的神！Gemini 2.0语言模型原生的图生成，体验一天之后，仿佛还看不到边界。。。

Insight 02

工作流Agent与端到端Agent的本质区别

目前市场上的Agent产品可以明确区分为两类：

工作流Agent（如Manus AI）：

这类产品本质上是LLM与工具的编排系统，通过预定义的代码路径和提示词引导模型。虽然短期内见效快，但很容易遇到问题：硬编码的规则无法扩展，在复杂场景中表现不佳。表现出：

无法有效规划，容易陷入死角
记忆能力有限，难以维持10分钟以上的任务
长期行动效率低下，错误会累积放大

端到端训练Agent（如DeepResearch）：

这类产品通过端到端强化学习训练，模型能够动态指导自己的处理过程。OpenAI的DeepResearch就是“一个新形式的研究语言模型，专门设计用来执行端到端的搜索任务”。它不依赖外部调用或编排，而是通过强化学习习得了搜索、点击、滚动和解释文件的核心能力。

真正的Agent需要具备：

搜索和规划能力
有效记忆和状态管理
长期行动的可靠性

Insight 03

Google与OpenAI展示了不同的Agent发展路线

通过比较Google的Gemini 2.0 Flash Thinking和OpenAI的DeepResearch，我们可以看到两种不同的Agent发展思路：

Google的多模态融合路线：

Gemini 2.0 Flash不仅在推理能力上有所提升，更在多模态应用上取得突破。它能同时理解和生成文本与图像，支持文本+图像生成、对话式图像编辑等功能。Google还通过Deep Research功能、应用连接（YouTube、日历、地图等）和个性化功能，构建了一个面向普通用户的Agent生态。

OpenAI的专精特化路线：

OpenAI选择针对特定场景打造专精的Agent模型。DeepResearch专注于网络搜索和文档整理，通过端到端强化学习训练，使模型能够自主规划搜索策略，交叉引用多个来源。这种专精策略使其在特定领域表现更为出色。

Insight 04

端到端训练将成为Agent的主流形态

从长期来看，端到端训练的Agent将逐渐成为主流，因为它更符合Agent的本质形态：模型能够在循环中自主处理问题，具有更高的上限。

以包含4个子任务的串联任务为例：

工作流Agent：即使每个子任务成功率为95%，整体成功率也仅为81%
端到端Agent：通过高质量数据+强化学习，有望将整体成功率提升至95%

未来可能会出现以下趋势：

顶级Agent的工程代码将极其简洁：背后是超高质量的训练数据和极致的端到端强化训练，所有if-else和工作流选择由模型自身完成
通用Agent更可能由基础模型公司推出：如OpenAI、Anthropic、DeepSeek等拥有强大基模和强化学习工程师的公司更具优势
垂直领域Agent将成为创业公司的机会：专注特定行业或应用场景，通过深度优化实现差异化竞争

最后

Manus虽然当前waitlist 才200万，但考虑到访问权限限制和邀请码等负面因素的影响，这一数据相较于其热度而言并不算特别惊人。

回到Anthropic的定义：LLM Agent是能“动态指导自己的处理过程和工具使用，保持对任务完成方式的控制权”。

工作流Agent vs 端到端Agent，这个短期看起来就跟去年的长上下文模型 vs RAG 争议一致，并不会有明确的结论。

scaling vs finetuning， scaling能让模型的上限更高，但是finetuning能更快的适应到特定场景。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述