AI代理正在从对话框里走出来。

它不再满足于回答问题，而是开始拆解任务、调用工具、交付结果，从聊天对象变成执行者。随着“Work版”大模型越来越多，WorkBuddy、ChatGPT Work、Kimi Work、Qoder……等模型版本的“百花齐放”，我们该思考的是，当模型能力与产品入口同时涌向工作这个场景，一款模型凭什么在AI洪流里“野蛮生长”。

命名即战略。

Chat卖的是过程，Work卖的是结果。

对话可以无限延续，工作必须有终点和交付物，评价标准随之从答得好不好改写为事办没办成。

路径不同方向一致，都是把模型从对话框里拽出来按到工位上。

AI代理真正的质变，不是模型更聪明，而是它获得了行动权限。

传统AI产品是建议者，告诉你怎么做，执行权在你手里。

AI代理是执行者，能开浏览器检索，读写文件，调用第三方服务，管理日程与邮件。这些能力的前提不是模型有多强，而是用户愿意交出多少权限。

Kimi Work的浏览器桥接是一个精准样本。代理操作用户已登录的浏览器，像人一样点击与填表，而Cookie与登录信息不离开本机。认知推理放在云端，权限执行留在本地，这个分工本质是在交换用户的授权意愿。

视角拉开，各家都在围绕权限布局。

ChatGPT Work以本地版接管文件系统，WorkBuddy以硬件延伸感知权限，Kimi Work以定时任务引擎获取时间调度权限。路径不同，底层逻辑一致，争夺的都是工作场景中的行动授权。

权限让渡是渐进的。用户从低风险任务开始建立信任，先整理文档，再分析数据，再起草报告，最后才可能让它代表自己对外沟通。产品设计要做的，是管理这个信任爬坡，用可解释的行动轨迹和可撤销的操作机制，换用户交出更多权限。

这个逻辑已蔓延到资金。支付宝AI支付体系已支持 95% 的通用智能体框架，并推出管理智能体授权的AI钱包。

当代理可以替你花钱，权限就不再是产品功能，而是需要被审慎管理的数字权力。

把视野拉到整个产业，AI代理生态正在形成三层架构。

模型层提供认知能力，竞争核心是能力上限与推理成本下限。最新刻度来自两个数学基准的对照。

GPT-6 Astra FrontierMath Tier 4上取得97.6%，随后该基准最后一道难题亦被其攻克，这个曾被数学家希望AI得零分的最高难度基准宣告清零。而在ErdosBench上，226道受埃尔德什问题启发的开放问题，Astra以3.23分登顶，取得106项结果，其中43道完全解出、27道被推翻，远未饱和。

一个基准清零，一个刚过半场，出题速度与解题速度的竞速，就是模型层的战况。

代理层负责把模型能力翻译成可执行流程，核心组件是任务规划器、工具调用框架、记忆系统与多代理调度器。这一层不比谁的模型强，比的是任务编排、工具生态与协同效率。

场景层覆盖硬件、软件与行业方案，掌握真实工作触点，是落地的最后一公里。同一副Rokid眼镜同时接入腾讯与阿里两家平台，场景层玩家不站队，谁的平台能干活就跟谁。

模型层能力会趋同，场景层入口会分散，代理层一旦建立起工具生态与用户工作流，就会形成极强的锁定效应。

所有玩家拼命做开放平台，本质上都是在争夺代理层的定义权。

多代理协同的极限展示，来自OpenAI一次尚未发布模型的数学实验。该模型能力显著强于GPT-6 Astra，内部基准显示它能解出接近五成的内部数学题，Astra约为一成。

它驱动约1万个代理并行探索，先在欧拉方程找到突破口，再把路线带回纳维-斯托克斯，累计工作88小时，交换270万条消息，而GPT-6 Astra的角色是形式化验证，退居二线做了那个检查作业的人。克雷数学研究所目前仍将该问题列为未解决。

比起谁解出这道题，更值得记住的是解题的组织方式。探索被拆成数百个并行小组，路线在组间流转，机器负责穷举，人类负责判断。

在日常量级上，WorkBuddy的9款联名硬件本质也是多代理系统，眼镜负责采集，录音卡负责转写，云端统一调度。

传统工作组织以人为中心，未来的工作组织是人与代理混合的，人的角色从执行者迁移为目标设定者、结果审核者和异常处理者。当执行性工作大量外包，人的价值向三处集中，定义问题的能力，判断结果的能力，协调资源的能力。

竞争中有一个被严重低估的资产，工作流数据。

模型参数、工具数量、硬件覆盖都可以被复制追赶，唯独用户沉淀的任务偏好、工具组合、决策习惯和沟通风格难以复制。

这些不是使用记录，而是工作方式的数字化映射，数据越丰富，服务越个性化，甚至能在用户开口前完成准备。

模型是引擎，工具是零件，硬件是外壳，工作流数据才是燃料。没有燃料，再强的引擎也跑不起来。

回到标题之问。

一款模型如何在洪流里野蛮生长，答案是它从不独自生长。

OpenAI靠模型代际碾压，腾讯靠十余个模型替自己跑腿，月之暗面靠三百个代理并行开工，硬件厂商两头下注。野蛮生长的从来不是某一款模型，而是离工作最近、握权限最多、沉淀数据最深的那个界面。

对身处其中的每个人，更重要的问题不是哪个“Work版”更好用，而是当AI代理真的开始上班，我们如何重新定义自己的工作价值。