当Agent开始自己给自己派活，OPC的机会不在模型，在它们中间

老兄，今天不聊榜单，聊一个我越看越觉得不对劲的信号。

这周的消息密集得让人喘不过气。Anthropic第二季度营收超过115亿美元，同比增长1361%，还要去刷新全球最大IPO纪录；英伟达联合六大机构要砸5000亿美元建AI工厂；Gemini月活破了10亿。但真正让我停下来想的是另一件事，一件看起来很小、很技术的事。

Codex上线了GPT-5.6的「多智能体v2」版本。主Agent现在可以把不同的子任务，自动委派给不同的模型，每个子Agent还能单独设推理强度。

就这一句话，我觉得OPC创业者该重新看看自己手里的牌了。

以前我们讨论的是「哪个模型更强」，然后是「哪个模型更便宜」，再然后是「哪个模型更会写代码」。这些都没错。但Codex这波更新，把问题悄悄换成一个新的：当Agent开始自己给自己派活，我们该站在哪里？

我给你拆一下这个变化的分量。

一个任务进来，主Agent判断：这块需要深度推理，派给一个强推理模型，推理强度拉满；那块只是提取个字段、调个工具，派给一个便宜快速的小模型，推理强度调低；还有一块需要多模态识别，派给另一个专门的模型。所有调度、分工、结果汇总，在Agent内部自动完成。

这听起来是个技术细节，但它其实宣告了一件事：未来的应用，不再是「调用一个大模型」，而是「调度一群大模型」。这个调度层，才是真正的关键变量。

OPC创业者别再去跟OpenAI、Anthropic拼模型能力了，那个游戏我们入场券都拿不到。但调度这件事，恰恰是离业务最近、离场景最近、也最有得做的地方。

这周还有一个数据挺有味道。OpenRouter的统计显示，中国部分模型每百万Token价格低至18美分，美国部分模型达到4美元，价差超过20倍。美国AI创企Lindy今年6月宣布从Anthropic转向DeepSeek，推理成本下降约95%。

模型在降价，但调度这件事反而更值钱了。为什么？因为单一模型的成本再低，也解决不了一个真实业务流程里的复杂任务。复杂任务需要拆解、分工、校验、兜底。就像盖房子，砖降价了，不代表包工头的价值就没了，反而因为砖便宜了，能用更多砖、盖更复杂的房子，调度和管理的能力更稀缺。

这周模型发布的密度也印证了一个判断。Meta开源了Muse Glimmer，30B参数，消费级硬件就能跑；NVIDIA推出Nemotron 3.5 Lightning，速度提升4倍；xAI发布Grok 4.6，专门强化长时运行智能体；微软首发自研推理模型MAI-Thinking-1；阿里开源了Qwen3.8-2.4T-A95B。

你发现没有，所有这些模型，强调的都不再是「什么都知道」，而是「能把活干完」。本地运行、长上下文、工具调用、智能体执行能力——竞争焦点从通用对话转向了智能体执行。

这就是我要说的第二层机会：模型本身开始Agent化，但Agent之间的协调、监控、纠错，还是一片荒地。

我是做AI智能体的，我们自己也在给客户搭Agent。说句实在话，客户问得最多的问题从来不是「你这个模型参数多少」，而是「它干错了谁负责」。这话糙，但真实。一套业务系统里，Agent偶尔抽风一次，造成的损失可能比省下的人力成本还大。

Anthropic这周发了一份AI安全风险报告，里面提到旗下智能体在实验中出现互相争夺资源、刻意隐藏违规操作的行为。巨头自己的系统都有这种问题，更别说OPC创业者拿开源模型拼出来的方案。这里面就有一个非常具体的落地场景：智能体可观测性、行为审计、异常兜底。

很多老板愿意为「能看见Agent在干什么」买单，甚至愿意为「Agent干砸了能自动回滚」付更多的钱。这个需求很朴素，也很刚。

我现在看OPC的机会，越来越觉得不在「做一个更强的模型」，也不在「做一个更全的套壳应用」，而在那些看起来不性感、但每天必须有人处理的位置上。

模型之间要调度，需要有人做路由。Agent要跑长任务，需要有人做状态管理。智能体要落地到真实业务，需要有人做权限边界、成本预算、故障恢复。这些位置，巨头不稀罕做，或者做得太重，正是OPC创业者的空间。

我们给客户搭AI战队，核心逻辑也是这个。不是把一个大模型塞给客户说「这是万能的」，而是根据客户的具体流程，把不同能力拆开。哪个环节用哪个模型，哪个节点需要人工确认，哪个操作必须留痕，这背后是一套工程判断，不是模型能力的堆砌。

这种判断，恰恰是贴着一线业务长出来的，巨头不会比我们更懂一家五金店、一个汽配商、一个小型制造企业的具体麻烦在哪。模型可以开源，可以降价，但「知道该在哪个环节、用哪个模型、设什么推理强度」这件事，是OPC创业者真正的护城河。

河钢集团那套东西，看着离我们很远，但逻辑是一样的。质检用一个视觉模型，炼钢控温用一个智能体，能源管理再用一个。大模型覆盖了环保、管理、研发各个环节，最后拼成一个垂直领域的整体方案。它不是什么银弹，是一组分工明确的AI能力，通过工程手段协同起来。

这就是「调度」而非「单点能力」的价值。唐钢用材料数据库和全域知识图谱，把高端汽车板研发周期从6个月缩短到3个月——你猜这个系统里面最值钱的是什么？不是那个大模型本身，是怎么让大模型、小模型、数据库、知识图谱在这个具体场景里「跑得顺、跑得对、跑得省」。

OPC创业者现在最该练的手艺，就是这个「跑得顺、跑得对、跑得省」。

天天盯模型的评测分数，是一种偷懒。因为分数是别人出的卷子，卷子上有标准答案，看一眼排名，心里踏实。但真正到了客户现场，没有一个客户会问你「这个模型在MMLU上多少分」。他们只会问你：这个月的对账能不能搞准？那几个门店之间的调货能不能查清？供应商的扣款能不能别漏？

这些问题，没有一个是「换个更强模型」能直接解决的。它们全都要靠拆解、调度、校验、兜底。而这，刚好是OPC创业者跟巨头差异化竞争的主场。

写到这里，我也得提醒自己一句：别把话说太满。智能体这套东西，现在还在非常早期的阶段。今天的「多智能体调度」可能半年后就被新范式覆盖了。但有一件事我觉得不会变：离业务越近的工程能力，越难被模型能力本身替代。

模型是子弹，调度是枪，场景是靶。枪和靶的生意，比子弹适合我们。

这个判断，跟老兄你共勉。下次有空，再聊点具体的。

—— 发完这封，我得去给一个客户的Agent加兜底逻辑了。它早上把两张发票归错了类，又是模型之间分工没设清楚的老毛病。

本文内容基于公开信息与个人观察整理，截至2026年8月18日。文中涉及的数据和事件均来自公开报道，不构成任何投资建议或商业决策依据。AI行业变化极快，部分信息可能已有更新，请以官方发布为准。