前不久,DeepSeek 在招聘页面一口气放出 17 个岗位,核心研发岗全部聚焦 Agent——覆盖算法研究、数据评测、基础设施全链条。这家在 2025 年因纯模型路线、商业化克制著称的公司,正式向 Agent 产品化转向。岗位要求里有两条细节特别值得注意:多个岗位明确"重度使用 Claude Code、Cursor、Copilot 等 AI 编程工具的优先",全栈工程师岗位描述里写着"作为 Vibe Coding 重度用户,持续探索模型能力在产品中的创新应用"。DeepSeek 又从 Jane Street 挖来 Cui Tianyi 组建 AI harness 团队,专门做"把 AI 模型转化为自主 Agent"的工程化工作。
DeepSeek 的转向是 2026 年最有信号意义的事件之一。叠加同期 Claude Code 年化收入冲到 25 亿美元、Codex 10 亿、OpenAI 把 ChatGPT/Codex/Atlas 合并成 desktop superapp,行业共识已经清晰:模型公司必须做 Agent,而且必须用自己的模型相对优势反推 Agent 形态,通用层是死胡同。
Claude Code:单点打透的护城河逻辑
Anthropic 的打法是教科书级的。2025 年下半年到 2026 年初,Claude Code 只做一件事——把编程 Agent 做到行业天花板。Claude Opus 4.6、4.7 模型在 long-context 推理和代码生成上保持半个身位的优势,Claude Code 把这个优势直接产品化。SemiAnalysis 把 Q1 ARR 加速的拐点命名为「Claude Code Moment」,行业研究机构愿意用产品名定义季度增长曲线,这本身就是产品立住的标志。
更关键的是 dogfooding 闭环。Anthropic 工程师用 Claude Code 写 Claude,真实的代码 trajectory 数据成为下一代模型 RL 训练的核心燃料。这套「模型 → Agent → 数据 → 更强模型 → 更强 Agent」的飞轮转起来后,竞争对手很难单点追赶——你既要追模型,又要追产品,还要追数据闭环。
Claude Code 立稳之后,Anthropic 才横向扩展 Claude in Excel、Claude in Chrome、Cowork,每一步都基于前一步沉淀的 Agent 能力。这是单点打透型路线,资源高度聚焦,避免战线分散。
Codex:通用化路线被现实纠正
Codex 走的是相反路线——全面铺开后被动收缩。OpenAI 同时推进 ChatGPT Agent、Codex、Operator、Sora、Atlas 五条产品线,资源摊薄。Operator 始终没找到 PMF,2025 年 8 月并入 ChatGPT Agent 后下线;Atlas 在 macOS 发布后没能拿到有意义的份额,Perplexity Comet 抢走了浏览器 Agent 的心智;Sora 上线后短暂登顶 App Store,几个月后用量回落。 2026 年 3 月,Fidji Simo 主导的内部备忘录直接点出「fragmentation」是核心问题,宣布把 ChatGPT、Codex、Atlas 合并成单一 superapp,Codex 作为底座先扩展到广义生产力任务,再把另两个产品折叠进来。这次合并是被 Anthropic 逼出来的——3 月 5 日 OpenAI 才发布 GPT-5.4 for Codex,3 月下旬就宣布 superapp,节奏明显被打乱。Reuters 在 4 月明确写出原因:Anthropic 的 Claude Code 带来的压力,迫使 OpenAI 把资源向 Codex 和企业产品倾斜。一个 Agent 产品反过来定义了竞争对手的战略走向,这在 2025 年前是不可想象的。
NotebookLM 是三个案例里最容易被低估的一个,但它最能体现"用模型能力曲线反推 Agent 形态"这条逻辑。Gemini 3 的核心优势是超长上下文 + 多模态,NotebookLM 不做编程、不做浏览器、不做通用助理,专做「上传文档 + 多模态总结 + Audio/Video Overview」的研究助手形态。 这种打法的精妙在于:它不和 ChatGPT、Claude 在通用对话上硬刚,而是把 Gemini 模型独有的能力封装成一个不可替代的产品形态。学者、学生、产品经理上传几十份 PDF 后生成的播客式音频总结,是其他模型公司的产品做不出来的——不是工程问题,是模型基础能力的差距。
2025 年底 NotebookLM 被并入 Google AI Ultra 套餐,2026 年 5 月集成进 Google Workspace Studio,分发渠道直接对接 Google 在企业市场的存量。Mariner、Jules、Antigravity 是 Google 的其他 Agent 试探,但 NotebookLM 是真正立住的那个。
Agent 不能做通用层:模型能力反推形态才是杀伤力来源
把三个案例放在一起,最该被显化的不是"模型公司要做 Agent",而是另一条更硬的判断:通用 Agent 几乎都立不住,只有结合自身模型相对优势的 Agent 才有真正的杀伤力。
通用 Agent 有个根本性悖论。一旦 Agent 形态是通用的——通用浏览器助手、通用任务执行器、通用对话机器人——它就不依赖任何模型的独有能力,任何中等水平的模型都能做出来 80 分的产品。在这种产品形态下,模型公司的核心优势(模型能力)被中和了,反过来要和应用层公司拼工程、拼运营、拼分发,而这恰恰是模型公司基因里最弱的部分。Operator 失败的真正原因不是技术不够,是它做的事情(操作浏览器、点击网页)和 GPT-5 的模型相对优势没有强绑定——一个 70 分的模型加上扎实的 RPA 工程也能做出类似产品,GPT 的"半个身位"在这种场景里发挥不出来。
反过来看立住的产品:Claude Code 的杀伤力来自 Claude Opus 在 long-context + coding 上的相对优势——它能在 200K token 的代码库里保持推理一致性,这是 GPT-5、Gemini 3 在 2026 年中仍然追不上的硬指标。NotebookLM 的杀伤力来自 Gemini 的多模态生成能力——Audio Overview 生成的双人对谈式播客,语气、节奏、信息密度,其他模型公司做不出来。Cursor 用 Claude 模型也能做编程,但 Anthropic 自营 Claude Code 可以做"未发布模型的提前调用"、"模型推理路径的深度定制"、"系统提示词工程的内化",这些都是第三方应用层永远拿不到的资源。
杀伤力的公式可以这样写:Agent 杀伤力 = 模型相对优势 × 场景独占性 × 数据回流强度。三个变量任何一项接近零,这个 Agent 就立不住。OpenAI 的 superapp 战略本质是承认了这一点——Atlas 通用浏览器立不住、Operator 通用操作器立不住,只能把这些场景收回到 Codex 这个有相对优势的底座下,变成 Codex 的能力扩展。这不是通用化的胜利,是通用化失败后的收编。
DeepSeek 这次招聘里的细节也印证了这条判断。岗位要求里反复出现 MCP、Tool Use、Function Calling、harness engineering、跨 session 记忆连续性——这些都是垂直 Agent 工程化的具体问题,不是"做一个通用助手"的方向。DeepSeek 大概率会在自己模型最强的方向(推理、代码、长上下文)上做出垂直 Agent,而不是另一个 ChatGPT 替代品。
四件事缺一不可:Agent 落地的工程底层
杀伤力公式之外,还有四件工程层面的事必须同时成立:
第一,Agent 是 token 自产自销的最高效形式。一次 Agent 任务消耗几十万到几百万 token,模型公司自营 Agent 不用通过中间商分润。Claude Code 用户多消耗 token 的同时也在直接抬升 Anthropic 的 ARR。
第二,Agent 是数据飞轮的入口。真实场景的 trajectory 是 RL 训练的核心燃料,没有自己的 Agent 就是把数据外包给第三方。DeepSeek 这次招聘里的算法岗明确写着"与数据标注团队紧密协作,形成数据-训练-评测的能力提升闭环",指的就是这件事——Agent 不只是产品,是数据生产线。
第三,Agent 是模型能力的具象载体。模型 benchmark 普通用户看不懂,但 Claude Code 写出能跑的代码、NotebookLM 生成的播客摘要,是看得见摸得着的。Agent 承担的是模型能力的市场教育和定价锚定。
第四,Agent 反向塑造模型训练优先级。Claude Code 跑出的真实需求决定了 Anthropic 下一代模型继续优化哪些能力,这是闭环的最后一环。DeepSeek 招的 harness engineer、要求 MCP/Tool Use/Function Calling 经验的基础设施岗,本质都在补这一环的工程化短板。
国内现状:分三档,通用层都不在第一档
国内模型公司在这条赛道上分化明显,2026 年最重要的变化是——已经没有任何一家头部模型公司明确选择"不做 Agent"了,但能跑到第一档的,无一例外都是"模型相对优势 × 垂直场景"型产品。
第一档:已经跑出有体感的 Agent 产品。 月之暗面是国内独立模型公司里布局最完整的一家。Kimi K2.5/K2.6 配套了 Kimi Agent、Kimi Code、Agent Swarm(300 个子 Agent 并行、4000 次工具调用、最长 12 小时自主运行),Kimi Coding Plan 与 Kimi Agent 共享额度。Kimi 的杀伤力来源很清晰——长文本能力 + Agent 集群架构是它在模型层的相对优势,K2.5 在 SWE-bench Verified 上拿到 80.2%,把这个优势直接产品化为 Kimi Code,逻辑链条完整。
智谱走的是另一条路。GLM-5.1 把 AutoGLM 端到端自主操作和 8 小时长程任务执行作为差异化卖点,AutoGLM 在浏览器自动化和手机端 Agent 上做了较深投入——这是智谱在"长程任务执行"这个特定能力上的相对优势,不和 Kimi 的 Agent Swarm 正面竞争,在企业端有付费转化。
第二档:依托大厂分发的 Agent 矩阵。 字节的 Trae 是国内编程 Agent 里最像 Claude Code 的产品,发布了《2026 企业级 AI 编程实践手册》,把"字节内部用 Trae 开发 Trae"的 dogfooding 经验沉淀成方法论。配合 Coze 扣子的零代码 Bot 平台和豆包 Agent,字节的战线虽然分散,但每条线都有用户基数支撑。 阿里通义系列在 Qwen Code、QoderWork 等编程 Agent 上有投入,核心打法是把 Agent 能力封装进通义灵码、灵积平台等开发者基础设施,走 to B 路线。腾讯的 WorkBuddy、CodeBuddy、QClaw 矩阵借助微信和企业微信生态分发,CodeBuddy 在企业内部代码助手场景有进展,但通用 Agent 还在追赶。 值得注意的是,这一档里偏"通用助手"形态的产品(豆包通用 Agent、混元通用助手等)增长普遍乏力,真正跑出体感的都是垂直产品——Trae 在编程、CodeBuddy 在企业代码、Coze 在 Bot 搭建。再一次印证了"通用层立不住"的判断。 第三档:曾经的纯模型派,正在补课。 DeepSeek 此前是国内最特殊的存在——V3.2-Speciale 推理能力对标 Gemini 3 Pro,2026 年初估值传闻 3000 亿元,但官方长期没有任何 C 端 Agent 产品,被外界视为"赌纯模型路线"的代表。
转折发生在 2026 年 3 月。17 个 Agent 相关岗位的放出,标志着 DeepSeek 内部已经否决了"纯模型也能跑通"的假设。从招聘描述看,DeepSeek 的 Agent 布局有几个关键动作:算法侧搭建"数据-训练-评测"闭环、基础设施侧补足 MCP/Tool Use/Function Calling 协议层、引入做过量化交易的 harness engineer 处理多工具调度可靠性问题。4 月发布的 DeepSeek-V4 官方表述里,"Agent 能力"已经被列为三大核心提升方向之一。
这个转向的信号价值大于任何一份行业报告——一家最有底气坚持纯 API 路线的公司,在 2026 年 Q1 选择了同样的方向。基于 DeepSeek 模型在推理、代码、长上下文上的相对优势,大概率会做出垂直方向的 Agent,而不是又一个通用助手——这也符合"模型能力反推形态"的逻辑。
最终判断
模型公司必须做 Agent,但必须做"模型相对优势 × 垂直场景"型的 Agent,通用层是死胡同。这是 Claude Code、Codex、NotebookLM 三个案例反复印证的方法论,也是 DeepSeek 转向 Agent 后大概率会走的路径。
国内现状的核心问题不是数量不够——Trae、Kimi Agent、AutoGLM、CodeBuddy、Coze、Qwen Code、豆包 Agent,产品列表已经很长。问题是真正能让用户产生依赖、能形成数据闭环、能反哺模型训练的,目前只有 Kimi Code/Agent、Trae、AutoGLM 接近这个标准。其余更多是「不能没有」的战略卡位,通用层的产品占据了大部分资源但贡献不了真正的杀伤力。
2026 年下半年的看点很清晰:第一档玩家能否把 Agent 收入从亿级推到十亿级,第二档玩家能否在某个垂直场景上做出独占性,DeepSeek 的 Agent 产品何时正式落地、选择哪个垂直方向作为切入点。当连最坚持基础研究的公司都开始招 Vibe Coding 重度用户、明确按"模型相对优势"反推 Agent 形态时,2026 年中国 AI 模型公司的座次,本质上要由"模型能力 × 垂直 Agent"这条乘法决定了。
