国产AI六巨头逐鹿Agent，望得到Claude Code的背影吗？

过去半年以 Claude Code/Cowork、Codex 为代表的 Agent 产品毫无疑问是整个 AI 行业最清晰的一条主线。6 月 30 日Anthropic 低调推出了 Claude Science一个面向科学家的 AI 工作台。图片来源AnthropicAnthropic 的思路越来越清晰了。先让 Agent 承包代码Claude Code再让 Agent 处理各类办公任务Claude Cowork最后进入科研这类更复杂的专业场景Claude Science。事实上Anthropic 就是观察到市场和数据等非技术团队开始绕过聊天界面使用 Claude Code于是才有了图形界面「封装」的 Claude Cowork。而除了在底层模型持续迭代外很多人可能不知道国产 AI 在 Agent 产品上的追赶。阿里、腾讯、字节、Kimi、MiniMax、智谱都在做 Agent各家基本也跟随 Anthropic 区分了 Code 和 Work 两类产品不过侧重点也有所不同。所以在模型能力还没有全面压过海外顶级产品之前国产 AI 能不能靠更便宜、更开放、更贴近本土工作流的 Agent 产品先把更多国内用户带向「Agent 工作我指挥」的工作方式雷科技AGIIDleikejiagi盘点一波试图给出答案。腾讯 WorkBuddy要做更多人的办公入口腾讯 WorkBuddy 可能是国内知名度最高 Agent 产品了毕竟很多人可能都在微信上看到了广告也在「龙虾潮」的时候安装体验过。不过实际上除了 WorkBuddy腾讯还有面向开发者的 CodeBuddy基本上对应了 Claude Cowork 和 Code。腾讯内部也已经把它用于研发和非技术团队官方披露 CodeBuddy 覆盖了腾讯超过 95% 的工程师WorkBuddy 则用于人和 AI 混编开发、帮助小团队更快迭代产品。图片来源腾讯CodeBuddy 这里就不展开相比代码开发WorkBuddy 面向更宽的生产力场景负责文档处理、内容整理、协作任务和泛办公需求。腾讯的优势也在这里。WorkBuddy 可以充分利用腾讯文档、腾讯会议、ima 知识库、腾讯乐享以及微信的生态优势。很多个人用户的材料、会议纪要、待办和沟通本来就散在这些地方。所以很多人使用 WorkBuddy 的一个重要原因就是可以直接接住日常的「上下文」然后在 WorkBuddy 整理内容、生成文档、推进任务。Kimi Code/Work把长文本塞进Agents工作流面对 Agent 的浪潮月之暗面是最近一批推出相应产品的大模型公司也分成了 Kimi Code 和 Work。Kimi Code 进入 CLI 和 IDE能读写文件、执行命令、搜索代码、获取网页内容也能为并行任务生成 subagentsKimi Work 则面向本地工作流可以挂载本地文件夹通过 WebBridge 浏览网页运行 Python执行定时任务并在修改文件或运行代码前要求用户确认。图片来源Kimi过去很长一段时间Kimi 给普通用户留下的印象就是「长文本」。读论文、读财报、读几十页 PDF、整理一大堆网页材料这些本来就是 Kimi 最容易被用户感知到的能力。到了 Agent 阶段Kimi 要做的事情也很自然不只是读完材料回答问题而是继续帮用户处理文件、跑脚本、改代码、生成结果。如果说 Claude Code 和 Codex 的强项在于代码任务闭环Kimi 更值得关注的是它在试图把「长文本阅读」的优势变成「长程任务」的优势。同时在 Kimi Code 和 WorkAgent 集群也是一个绕不开的设计。按照官方说法应对复杂问题时Kimi 可以自动协调多个专业智能体同时分解并解决多层次任务。另外为了吸引金融用户Kimi Work 还预集成了 A 股、港股和美股的深度数据源。而这些可以说都构成了 Kimi Code 和 Work 的差异化体验。阿里Qoder从通义灵码长成一套桌面 Agent阿里 Qoder 有点特殊它不是一个从零开始冒出来的新产品而是从一个 AI IDE 产品通义灵码经过几轮迭代逐渐转变成新的 Agent 产品并衍生出了 Qoder Desktop、QoderWork、QoderWake、Qoder CLI、Cloud Agents 等系列。图片来源阿里 Qoder核心还是 Qoder Desktop 和 QoderWork 两个产品。Qoder Desktop 面向软件开发场景更接近 Claude CodeQoderWork 面向日常工作处理文件整理、数据处理、文档生成、浏览器自动化、桌面控制、定时任务这类日常工作任务定位接近 Claude Cowork。QoderWork 把 Agent 能力从代码搬到普通工作里。作为一款桌面端智能工作助手QoderWork 可以通过自然语言完成文件整理、数据处理、文档生成也能连接办公工具、操控浏览器和电脑它还支持定时任务适合每天拉数据、写周报、整理月度材料这类重复但不能漏的工作。从产品设计来看QoderWork 除了「通用」模式还专门给出了「设计」「幻灯片」「写作」模式在面向实际用户场景上明显有所侧重。但除此之外还没看到太多的特色和优势。MiniMax Code/Agent模型Agent垂直整合和前面几家一样MiniMax 分别推出了 MiniMax Code 和 MiniMax Agent 两个产品。值得一提的是随着 6 月新一代大模型 MiniMax M3 的发布MiniMax Code 也迎来了一轮大更新。按照官方的说法是专为 M3 设计、并与 M3 一起训练的 Agent 产品。图片来源MiniMax简单来说MiniMax Code 能够充分发挥 M3 在长上下文、Coding/Agentic、原生多模态方面的能力是搭配 MiniMax-M3 的首选 Agent。体现到长程任务上MiniMax Code 会将任务拆成 Workflow由 Agent 集群协作通过 Producer Verifier 的对抗式 Harness 循环自主运行。事实上Claude Code 也推出了类似策略的 Dynamic Workflows动态工作流但 MiniMax Code 会更聚焦「深度反思与持续纠错」Agent 会根据任务进展实时调整方案和优先级用户也可以随时介入追加需求或修正方向。至于 MiniMax Agent实际更早就尝试挑战长程任务在 5 月更新中上线了 Mavis 模式利用多 Agents 协作的方式包括和 Codex 类似随时介入 Agent 思考和工作的设计可以说是 6 月 MiniMax M3 发布和 MiniMax Code 更新之前的预演。不过也要说明这条路也最容易出现演示和真实体验之间的落差。长上下文不等于真的理解全局多 Agent 协作也不等于结果一定更稳。角色越多、链路越长中间任何一步跑偏最后都可能放大成错误。字节TRAE Work从 AI IDE走向通用工作台严格来说TRAESOLO本身最早被更多人认识还是因为它是一款 AI IDE对标 Cursor、Claude Code 这类开发工具。但前段时间升级推出的 TRAE Work 已经把边界往外推了一步官方定位也很直接不只编码。按照官方介绍TRAE Work 提供 Web、Desktop 和 Mobile 多端入口兼顾本地与云端任务且不依赖于 TRAE IDE 运行。用户在桌面端发起任务之后Agent 可以在云端或者本地继续运行多个任务也可以并行推进离开电脑之后用户还可以在手机上查看进度、审查结果、继续调整方向。图片来源字节 TRAE另外一提TRAE Work 还分成 Work 和 Code 两种模式你可以简单理解为字节的 Codex将 Code、Work 两个 Agent 产品合二为一。Code 模式继续处理开发任务Work 模式则面向更通用的工作场景比如资料整理、项目推进、网页操作、文件处理和内容生成。不同的是Codex 是真正的合二为一TRAE Work 则是以两种模式运行需要从不同模式入口进入。这也很字节。相比腾讯 WorkBuddy 借助微信、文档、会议这些生态上下文TRAE Work 更像一个面向个人和小团队的效率入口。它不一定要求用户先进入一套办公生态而是先把「任务」变成核心单位你只要把需求交给它它就负责拆解、执行、反馈进度用户在过程中随时介入。另外TRAE 还有一个值得注意的动作是开源 Trae Agent。按照 GitHub 页面介绍Trae Agent 是一个面向软件工程任务的 LLM Agent 工具包支持文件编辑、bash 执行、结构化思考和任务完成也能接入多种模型供应商。智谱 ZCode先把 Code Agent 这条线做深相比其他家智谱的路线要更集中一些。它没有急着把自己包装成一个通用办公 Agent而是明确先做开发者场景推出了智谱 ZCode但和 Kimi、MiniMax 一样瞄准了长程任务的难点和场景。这其实和很多国产 Agent 产品的思路不太一样。腾讯、阿里、Kimi、字节都在做 Code 和 Work 两条线。值得一提的是上月智谱发布惊艳行业的 GLM-5.2 时还同步升级了 ZCode 3.0全面切换自研 ZCode Agent 内核并深度适配 GLM-5.2针对长程推理、工具调用和大型工程执行链路做了优化。图片来源智谱ZCode 3.0 还围绕实际开发体验做了一些补强比如分组式任务工作区、Zread 项目知识库、可视化 Git 分支图谱等功能。这些听起来没有多 Agent 协作、长上下文那么性感但都和 Code Agent 的稳定性有关Agent 要接手一个工程任务首先得看懂项目、记住上下文也要让用户看得清它改了什么、走到哪一步。这条路的优势是目标清楚短板也很明显。ZCode 的用户盘子暂时不会像 WorkBuddy 或 TRAE Work 那么大想象空间也更集中在开发者场景。但如果它能在复杂代码库、长程任务和工程验证上真正跑稳反而更容易建立专业用户信任。国产 Agent 的机会藏在足够的差异化里把这些产品放在一起看国产 Agent 并不是在用同一种方式替代 Claude Code、Claude Cowork 和 Codex。阿里 Qoder、字节 TRAE 和腾讯 Buddy 系列大公司都做学 Anthropic 和 OpenAI 在 Code Work但产品路径和重心明显不一样。作为百模大战中活下来的大模型创业公司Kimi、MiniMax 以及智谱都更注重技术优势尝试攻克「长程任务」这个 Agent 必经之路也都在强调从模型到 Agent 的垂直整合。但最终看下来国产 Agent 追的也不只是 Claude Code、Claude Cowork 或者 Codex 某一个产品也是一种全新的工作方式用户不再只问 AI 一个问题而是把一件事交给 AI再在过程中审查、修正、接管、继续指挥。相比海外产品国产 Agent 的优势首先是更贴近本土工作流。Claude Code、Claude Cowork、Codex 的产品完成度更高开发者心智也更强但它们毕竟更围绕海外用户的软件生态、办公环境和订阅体系展开。国内用户每天使用的工具和系统很多时候是微信、腾讯会议、腾讯文档、钉钉、飞书、本地文件、国产模型和企业内部知识库。Agent 如果接不住这些上下文再强也容易停在演示和尝鲜阶段。这也是 WorkBuddy、QoderWork、TRAE Work 的机会。它们未必一开始就比 Claude Cowork 更聪明但如果能更顺手地进入国内用户已经熟悉的办公、沟通和文件环境里就有机会先把使用频率做起来。另一方面国产 Agent 普遍更愿意接入不同模型也更愿意把能力开放给开发者和企业改造。对个人用户来说这意味着可以在效果和成本之间切换对企业来说则意味着可以接自己的工具、权限、数据和业务流程。Agent 不是一个单纯的聊天产品它天然需要接工具、接文件、接系统、接工作流。越往真实业务里走这种可控性越重要。总而言之国产 Agent 现在不缺方向Code、Work、多 Agent、长上下文、桌面工作台、云端任务、企业协同。接下来真正要看的是谁能稳定完成更多真实任务。用户第一次打开 Agent可能是因为好奇。但用户第二天、第三天还愿意打开它一定是因为它真的省事。原文链接国产AI六巨头逐鹿Agent望得到Claude Code的背影吗-36氪