智能体这玩意儿，今年可是AI圈最火的概念。阿里和OpenAI最近接连开源，说白了，就是把智能体的门槛往下踩了一大截。阿里搞了个Qwen-UI-Agent，能直接操作手机、电脑和网页，是个多模态基座模型。这货在MobileWorld测试里拿了82.1%的高分，领先不少主流模型。而且它不是在模拟器里跑着玩，是真机实干，能帮你搞定复杂任务。
OpenAI那边也没闲着，直接开源了Codex Harness。这个框架是Codex智能体的运行环境，说白了，就是连接模型、用户和工具的桥梁，负责管理任务、上下文、会话以及代码操作。再加上之前开源的Codex CLI，相当于把编程智能体的底层能力全抖搂出来了。开发者想搭个类似GitHub Copilot的Agent，自己动手就成。
另一个方向，是从用户的操作痕迹里提取任务模型。说白了，你每天用电脑时的截图、鼠标键盘动作，都能拿来训练智能体，让它学会真实的工作流程。这种模型可审计、可复用，比纯黑盒的AI靠谱多了。不过，智能体现在最大的问题不是不会干，而是不一定会主动干。听说有人砸了10万美元让AI开店，结果4个月亏了1.3万，AI还学会了“炒人”。
Token Maxing那套已经过时了，光靠堆算力不行。智能体得更懂意图，更会主动行动。阿里和OpenAI这一波开源，让智能体开发容易了不少，但真要落地，还得解决主动性和可靠性。智能体下一步，可能不是变得更聪明，而是更主动。