返回全部资讯
One Useful Thing (Ethan Mollick)T2·智能体与协同

智能体时代 AI 选型指南:模型、应用与框架

作者:Ethan Mollick原标题:A Guide to Which AI to Use in the Agentic Era
68AI 研判分

文章指出在智能体(Agent)时代,选择 AI 不再仅看模型本身,而需综合考量“模型、应用、框架”三个维度。通过对比同一模型在不同环境下的表现,揭示了工具链和交互方式对最终效果的决定性影响。

报道正文

本文目录4 个章节

自 ChatGPT 问世以来,我已经撰写了八篇此类指南,但这一版本与过去有着极大的不同,因为“使用 AI”的含义已经发生了根本性的变化。直到几个月前,对绝大多数人来说,“使用 AI”还仅仅意味着与聊天机器人进行来回对话。但在过去几个月里,将 AI 作为智能体(Agent)来使用已变得切实可行:你可以将任务分配给它们,它们会酌情调用工具来完成任务。由于这种转变,在决定使用哪种 AI 时,你必须考虑三个要素:模型(Models)、应用(Apps)和框架(Harnesses)。

针对完全相同的模型 Claude Opus 4.6,提出完全相同的问题“比较 ChatGPT、Claude 和 Gemini”,但在三种不同的应用和框架下运行结果截然不同。在没有框架的情况下,信息已过时;在 Claude.ai 网站上,我获得了更新的信息和可验证的来源;而使用 Claude Cowork 时,我得到了深入的分析以及格式精美的直接对比。

模型是底层的 AI 大脑,目前主流的三大模型为 GPT-5.2/5.3、Claude Opus 4.6 和 Gemini 3 Pro(各公司发布新模型的速度远快于以往,因此版本号在未来几周内可能会发生变化)。这些模型决定了系统的智能程度、推理能力、写作或编程或分析电子表格的水平,以及图像识别或生成能力。模型是基准测试(benchmark)所衡量的对象,也是 AI 公司竞相改进的核心。当人们说“Claude 更擅长写作”或“ChatGPT 更擅长数学”时,他们谈论的就是模型。

应用(Apps) 是你实际用来与模型交互的产品,它们让模型能够为你完成真正的工作。最常见的应用形式就是这些模型对应的网站:chatgpt.com、claude.ai、gemini.google.com(或者它们在手机上的等效应用程序)。如今,各大 AI 公司也在不断推出其他类型的应用,包括 OpenAI Codex 或 Claude Code 等编程工具,以及 Claude Cowork 等桌面端工具。

框架(Harnesses) 是让 AI 模型的强大能力得以转化为实际生产力的关键,就像马具将马匹的原始力量转化为拉车或犁地的动力一样。框架是一个系统,它允许 AI 使用工具、采取行动并自主完成多步骤任务。每个应用都自带一个框架。网页版的 Claude 拥有一个框架,使 Claude 4.6 Opus 能够执行网络搜索和编写代码,同时还包含针对创建电子表格或进行平面设计等不同问题的处理指令。而 Claude Code 则拥有更为强大的框架:它为 Claude 4.6 Opus 提供了虚拟计算机、Web 浏览器、代码终端,并能将这些资源串联起来,从而真正从零开始完成研究、构建和测试新网站等工作。Manus(近期被 Meta 收购)本质上是一个独立框架,可以包裹多个不同的模型。最近备受关注的 OpenClaw,主要也是一个框架,它允许你在本地计算机上使用任何 AI 模型。

直到不久前,你都不需要了解这些概念。当时,模型即产品,应用就是网站,而框架极其简单。你输入内容,它回复,你再输入。但现在,同一个模型在不同的框架下运行,表现出的行为可能截然不同。在聊天窗口中与 Claude Opus 4.6 对话,是一种体验;而让 Claude Opus 4.6 在 Claude Code 中运行,连续数小时自主编写和测试软件,则是完全不同的另一种体验。GPT-5.2 回答一个问题是一种体验,而 GPT-5.2 Thinking 浏览网站并为你制作演示文稿则是另一种体验。

这意味着,“我应该使用哪个 AI?”这个问题变得更难回答了,因为答案现在取决于你想用它做什么。因此,让我带你梳理一下当前的格局。

当前的模型

顶级模型在整体能力上惊人地接近,且普遍比以往更“聪明”、犯错更少。但是,如果你想认真使用高级 AI,每月至少需要支付 20 美元(尽管某些地区有价格更低的替代方案)。这 20 美元能让你获得两样东西:选择使用哪个模型的自由,以及访问更先进的前沿模型和应用的能力。我希望能告诉你目前可用的免费模型与付费模型一样好,但事实并非如此。免费模型均针对聊天进行了优化,而非准确性,因此它们速度非常快,通常也更有趣,但在准确性和能力方面要差得多。很多时候,当有人发布 AI 做出愚蠢行为的示例时,要么是因为他们使用的是免费模型,要么是因为他们没有选择更智能的模型来协作。

三大前沿模型分别是 Anthropic 的 Claude Opus 4.6、谷歌的 Gemini 3.0 Pro 以及 OpenAI 的 ChatGPT 5.2 Thinking。通过这些选项,你可以访问顶级的 AI 模型,具备语音模式、查看图像和文档的能力、执行代码的功能、优秀的移动应用,以及创建图像和视频的能力(不过 Claude 在这方面有所欠缺)。它们各自拥有不同的个性、优势和劣势,但对于大多数人来说,只需选择自己最喜欢的那一个即可。目前,该领域的其他公司在模型或应用及框架方面都已落后,尽管部分用户可能仍有理由选择它们。

这仅仅是轻微的夸张——对于无关紧要正确性的随意聊天,你可以使用较小的模型;否则,请选择高级模型!

当你使用任何 AI 应用(稍后会详细介绍),包括手机应用或网站时,你能做的最重要的一件事就是选对模型,而 AI 公司并没有让这件事变得简单。如果你只是闲聊,默认模型就足够了;但如果你想做实际工作,它们就不够用了。对于 ChatGPT,无论你使用的是免费版还是付费版,你获得的默认模型都是“ChatGPT 5.2”。问题在于,GPT-5.2 并不是一个单一的模型,而是包含多个版本,从非常弱的 GPT-5.2 mini,到表现很好的 GPT-5.2 Thinking,再到极其强大的 GPT-5.2 Pro。当你选择 GPT-5.2 时,你实际上使用的是“自动”模式,由 AI 决定使用哪个模型,通常是一个较弱的模型。通过付费,你可以自行决定使用哪个模型,而且为了进一步增加复杂性,你还可以选择模型在生成答案时的“思考”深度。对于任何复杂任务,我总是手动选择 GPT-5.2 Thinking Extended(在 $20 套餐中)或 GPT-5.2 Thinking Heavy(在更昂贵的套餐中)。对于需要大量推理的极难问题,你可以选择 GPT-5.2 Pro,这是最强大的模型,仅在更高成本层级中提供。

对于 Gemini,有三个选项:Gemini 3 Flash、Gemini 3 Thinking,以及在某些付费套餐中提供的 3 Pro。如果你购买 Ultra 套餐,你将获得针对极难问题的 Gemini Deep Think 访问权限(它位于另一个完全不同的菜单中)。对于任何严肃的问题,请始终选择 Gemini 3 Pro 或 Thinking。对于 Claude,你需要选择 Opus 4.6(虽然新的 Sonnet 4.6 也很强大,但略逊一筹),并开启“扩展思考”开关。

再次强调,对于大多数人来说,模型之间的差异现在足够小,以至于应用和框架比模型本身更重要。这就引出了那个更大的问题。

聊天机器人界面

绝大多数人通过聊天机器人来访问他们的 AI 模型,即 ChatGPT、Claude 和 Gemini 的主要网站或移动应用。事实上,我们可以称聊天机器人为最重要且最普及的 AI 应用。在过去几个月里,这些应用彼此之间已经变得相当不同。

其中一些差异体现在哪些功能与 AI 捆绑在一起:

  • 集成在 Gemini 聊天机器人中(可通过小加号按钮访问):你可以使用 nano banana(目前最佳的 AI 图像生成工具)、Veo 3.1(领先的 AI 视频生成工具)、Guided Learning(在学习时,这有助于让 AI 表现得更像导师)以及 Deep Research
  • ChatGPT 中通过加号按钮可访问的选项更是五花八门。你可以 Create Images(其图像生成器几乎与 nano banana 一样出色,但你无法通过聊天机器人访问 Sora 视频创作工具)、Study and Learn(相当于 Gemini 中的 Guided Learning,但不知为何还有一个独立的 Quizzes creator)、Deep Research 和 Shopping Research(出人意料地好用且常被忽视),以及其他大多数人不会经常使用的选项,这里就不一一介绍了。
  • Claude 仅将 Deep Research 作为内置选项,但你可以通过创建 Project 并选择 study project 来访问学习模式。
  • 所有 AI 模型都允许你连接数据,例如让 AI 读取你的电子邮件和日历、访问你的文件或连接其他应用程序。这能让 AI 变得更有用,但同样地,每个 AI 工具提供的连接器集合各不相同。

这些功能令人困惑!对于大多数从事实际工作的人来说,最重要的附加功能是 Deep Research 以及将 AI 连接到你的内容,但你可能想尝试其他功能。然而,越来越重要的是 harness(框架/运行环境)——即 AI 可以访问的工具集。在这方面,OpenAI 和 Anthropic 明显领先于 Google。Claude.ai 和 ChatGPT 都能编写和执行代码、提供文件、进行深入研究等等。Google 的 Gemini 网站功能要弱得多(尽管其 AI 模型同样优秀),

正如你所见,针对类似的问题,ChatGPT 和 Claude 都能生成可用的电子表格和 PowerPoint 演示文稿,并附带清晰、可追溯的引用来源。然而,Gemini 既无法生成这两类文档,也不提供引用或研究支持。不过,我预计 Google 很快会在这方面迎头赶上。

关于聊天机器人,最后补充一点:配备其专属运行框架(harness)的 GPT-5.2 Pro 是一款极其智能的模型。正是该模型协助推导出了物理学领域的一项全新成果,也是我发现其在处理复杂统计与分析任务方面能力最强的模型。它仅向更高级别的付费订阅计划开放。Google Gemini 3 Deep Think 同样表现出极强的能力,但也面临着相同的运行框架问题。

提示词:“你是一位经济社会学家。我希望你利用这些数据提出一些可供验证的新颖假设,进行精密的实验,并告诉我研究发现。”同时,我向其提供了一个大型 Excel 数据集。

其他应用与运行框架

聊天机器人网站是大多数人接触 AI 的主要入口,但它们正逐渐不再是完成最惊艳工作的场所。越来越多的其他应用将同样的底层模型包裹在更强大的运行框架中,而这些框架至关重要。

Claude Code、OpenAI Codex 和 Google Antigravity 是目前发展最为成熟的此类工具,它们均面向程序员。这些工具赋予 AI 模型访问代码库、终端以及独立编写、运行和测试代码的能力。你只需描述想要构建的内容,AI 便会着手开发,并在完成或遇到瓶颈时返回结果。如果你以编程为职业,这些工具正在改变你的工作方式。由于它们拥有最完善的运行框架,即使你不从事编程工作,它们也能执行大量极具价值的任务。

例如,几年前,我开始对如何制作一个完全基于纸质的 LLM 感兴趣——具体做法是将 GPT-1 的所有内部权重和参数(即 AI 的“代码”,由 1.17 亿个数字组成)整理成一套书籍。理论上,只要有足够的时间,你可以利用这些数字手动完成 AI 的数学运算。这听起来是个有趣的主意,但显然不值得亲自去做。一周前,我让 Claude Code 替我完成了这项工作。在大约一个小时的时间里(主要是 AI 在工作,我只提供了一些建议),它制作了 80 卷排版精美的书籍,包含了 GPT-1 的全部内容以及一份数学指南。它还构思并执行了每本书的封面设计,以可视化内部的权重数据。随后,它搭建了一个非常优雅的网站(包括下方的动画),接入了 Stripe 支付系统和 Lulu 按需打印服务,测试了整个流程,并为我正式上线。我从未接触或查看过任何代码。我让它以成本价上架 20 本书来看看效果——结果当天就售罄了。所有卷册目前仍可在网站上免费下载 PDF。现在,我可以有一个原本需要大量工作才能完成的小项目想法,并且只需付出极少的努力就能让它被自动执行。

但是,对于业余用户来说,编码工具仍然存在风险,而且它们显然专注于编程领域。新的应用和工具开始聚焦于其他类型的知识工作。

Claude for Excel 和 PowerPoint是嵌入应用程序中的特定工具示例。两者都为这些程序提供了令人印象深刻的扩展功能。特别是 Claude for Excel,感觉像是电子表格工作方式的一次重大变革,对于那些以 Excel 为职业的人来说,其潜在影响可能与 Claude Code 类似——你可以越来越多地告诉 AI 你想做什么,它会充当一名初级分析师并完成工作。由于结果呈现在 Excel 中,因此很容易进行核查。谷歌与 Google Sheets 有一些集成(但不如前者深入),而 OpenAI 目前没有真正对应的产品。

Image

Claude Cowork 是一款真正具有开创性的产品,值得为其设立一个全新的类别。Anthropic 于 1 月发布了 Cowork,它本质上就是面向非技术工作的 Claude Code。它在你的桌面上运行,可以直接处理本地文件和浏览器内容。然而,相比 Claude Code,Cowork 的安全性更高,对非技术用户而言风险也更小(对于关注技术细节的用户来说,它运行在一个默认拒绝网络访问且具有硬隔离机制的虚拟机中)。你只需描述期望的结果(例如整理这些费用报告、从这些 PDF 中提取数据到电子表格、起草一份摘要),Claude 就会制定计划,将其分解为子任务,并在你的计算机上执行,你可以全程观看(或者干脆不管它)。Cowork 基于与 Claude Code 相同的智能体架构构建,而且其本身主要由 Claude Code 在大约两周内开发完成。至少就本周而言,OpenAI 和 Google 都没有直接对应的竞品。Cowork 目前仍处于研究预览阶段,这意味着它还处于早期阶段,并且会迅速消耗你的使用额度,但它清晰地预示了未来的发展方向:AI 不再只是与你讨论工作,而是直接替你完成工作。

NotebookLM 允许你进行研究报告并收集源文档(左侧),针对源材料和内容进行提问(中间),并将它们转化为幻灯片演示等形式(右侧)

NotebookLM 是谷歌针对另一个问题给出的答案:如何利用 AI 来梳理海量信息?你可以让 NotebookLM 进行深度研究,或者上传你自己的论文、YouTube 视频、网站或文件。随后,NotebookLM 会构建一个可查询的交互式知识库,并将其转化为幻灯片、思维导图、视频,以及最著名的——AI 生成的播客(由两位主持人讨论你的材料,你甚至可以打断他们提问)。如果你是学生、研究人员,或者任何经常需要从一堆文档中理清头绪的人,NotebookLM 是一个非常实用的工具。

此外还有 OpenClaw。尽管它并不完全符合上述任何类别,且你几乎肯定不应该使用它,但我仍想提及一下。OpenClaw 是一款开源 AI 智能体(agent),在一月底迅速走红。它在你的本地计算机上运行,可以连接你想要的任何 AI 模型,并通过 WhatsApp 或 iMessage 等标准聊天应用像与人对话一样与其交流。它可以浏览网页、管理文件、发送电子邮件并执行命令。它就像一个全天候驻留在你机器上的个人助理。然而,这也带来了严重的安全风险:你将赋予 AI 对计算机和账户的广泛访问权限,而没人确切知道这会带来哪些潜在危险。不过,它确实预示了未来的发展趋势。

现在该做什么

我知道这些信息量很大。让我简化一下。

如果你刚开始接触,请从三大系统(ChatGPT、Claude 或 Gemini)中选择一个,支付每月 20 美元的费用,并选择高级模型。我在书中提出的建议依然有效:将 AI 融入你做的一切事情中。开始将其用于实际工作。上传一份你正在处理的文档。向 AI 提出一个以 RFP(需求建议书)或 SOP(标准作业程序)形式呈现的复杂任务。 与它进行多轮对话并不断深入探索。仅此一点,就能让你比阅读任何指南学到更多。

如果你已经熟悉聊天机器人,不妨试试这些具体的应用。NotebookLM 免费且易于上手,是一个不错的起点。如果你想深入探索,Anthropic 提供了目前最强大的组合:Claude Code、Claude Cowork(两者均可通过 Claude Desktop 访问),以及专为 PowerPoint 和 Excel 设计的插件。去试一试吧。再次强调,不要只把它当作演示,而是用它来完成你真正需要处理的任务。观察它的表现,当它出错时进行引导。你并不是在写提示词,而是在(正如我在上一篇文章中所说)进行管理。

从聊天机器人到智能体的转变,是自 ChatGPT 发布以来人们使用 AI 方式的最重要变革。现在仍处于早期阶段,这些工具依然难以掌握,也仍会做出令人困惑的行为。但一个能“做事”的 AI,从根本上比一个只会“说话”的 AI 更有用,而学会以这种方式利用它,绝对值得你投入时间。