Genspark 成功發(fā)布 “超級(jí)代理”，它能夠自主規(guī)劃旅行、制作動(dòng)畫劇集，甚至能以清晰邏輯展示思考過程，這將給企業(yè)和科技行業(yè)帶來怎樣的沖擊？

通用人工智能代理領(lǐng)域突然變得更加擁擠和雄心勃勃。

本周，總部位于加利福尼亞州帕洛阿爾托的初創(chuàng)公司Genspark發(fā)布了其所謂的“超級(jí)代理”（Super Agent），這是一個(gè)快速移動(dòng)的自主系統(tǒng)，旨在處理跨多個(gè)領(lǐng)域的現(xiàn)實(shí)世界任務(wù)包括一些令人驚訝的任務(wù)，比如使用逼真的合成語音給餐廳打電話。

這一發(fā)布為人工智能競爭中的一個(gè)重要新戰(zhàn)線增添了動(dòng)力：誰能率先打造出第一個(gè)可靠、靈活且真正有用的通用代理？或許更緊迫的問題是，這對(duì)企業(yè)意味著什么？

Genspark推出“超級(jí)代理”僅在三周前，另一家由中國創(chuàng)立的初創(chuàng)公司Manus因其能夠協(xié)調(diào)工具和數(shù)據(jù)源以完成異步云任務(wù)（如旅行預(yù)訂、簡歷篩選和股票分析）而受到關(guān)注——所有這些任務(wù)都不需要大多數(shù)當(dāng)前代理所需的“手把手”指導(dǎo)。

Genspark現(xiàn)在聲稱走得更遠(yuǎn)。據(jù)聯(lián)合創(chuàng)始人埃里克·景（Eric Jing）稱，“超級(jí)代理”建立在三個(gè)支柱上：九種不同的大型語言模型（LLM）、80多個(gè)工具和超過10個(gè)專有數(shù)據(jù)集——所有這些都在一個(gè)協(xié)調(diào)的流程中協(xié)同工作。它遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)的聊天機(jī)器人，能夠處理復(fù)雜的工作流程并返回完全執(zhí)行的結(jié)果。

在一個(gè)演示中，Genspark的代理規(guī)劃了一次完整的圣地亞哥五天之旅，計(jì)算了景點(diǎn)之間的步行距離，繪制了公共交通選項(xiàng)，并使用語音呼叫代理預(yù)訂餐廳，包括處理食物過敏和座位偏好。另一個(gè)演示展示了該代理通過生成食譜步驟、視頻場景和音頻覆蓋來創(chuàng)建烹飪視頻。在第三個(gè)演示中，它編寫并制作了一集《南方公園》風(fēng)格的動(dòng)畫劇集，內(nèi)容涉及最近的“信號(hào)門”政治丑聞，該丑聞涉及與政治記者分享戰(zhàn)爭計(jì)劃。

這些聽起來像是面向消費(fèi)者的應(yīng)用，但它們展示了技術(shù)的發(fā)展方向朝著多模態(tài)、多步驟任務(wù)自動(dòng)化的方向發(fā)展，模糊了創(chuàng)意生成與執(zhí)行之間的界限。

“解決這些現(xiàn)實(shí)世界的問題比我們想象的要困難得多，”景在視頻中說，“但我們對(duì)我們?nèi)〉玫倪M(jìn)展感到興奮?！?/p>

一個(gè)引人注目的特點(diǎn)是：“超級(jí)代理”清晰地可視化了其思考過程，追溯了它是如何推理每一步的，它調(diào)用了哪些工具以及原因。實(shí)時(shí)觀看這種邏輯展開，使系統(tǒng)感覺更像是一個(gè)協(xié)作伙伴，而不是一個(gè)黑箱。這也可能激勵(lì)企業(yè)開發(fā)人員在自己的人工智能系統(tǒng)中構(gòu)建類似的可追溯推理路徑，使應(yīng)用程序更加透明和值得信賴。

“超級(jí)代理”的另一個(gè)令人印象深刻的特點(diǎn)是其易于嘗試。該界面在瀏覽器中平穩(wěn)啟動(dòng)，無需技術(shù)設(shè)置。Genspark允許用戶無需提供個(gè)人憑據(jù)即可開始測(cè)試。相比之下，Manus仍要求申請(qǐng)人加入等待名單并披露社交媒體賬戶和其他私人信息，這增加了實(shí)驗(yàn)的摩擦。

我們?cè)缭?1月首次報(bào)道了Genspark，當(dāng)時(shí)它推出了由Claude驅(qū)動(dòng)的財(cái)務(wù)報(bào)告。該公司已在兩輪融資中至少籌集了1.6億美元，并得到了美國和新加坡投資者的支持。

01 Genspark是如何做到的？

Genspark的方法之所以脫穎而出，是因?yàn)樗鉀Q了人工智能工程中長期存在的一個(gè)挑戰(zhàn)：大規(guī)模的工具編排。

大多數(shù)當(dāng)前的代理在同時(shí)處理超過幾個(gè)外部API或工具時(shí)就會(huì)崩潰。Genspark的“超級(jí)代理”似乎在這方面表現(xiàn)得更好，可能是因?yàn)樗褂昧四Ｐ吐酚珊突跈z索的選擇，根據(jù)任務(wù)動(dòng)態(tài)選擇工具和子模型。

這種策略呼應(yīng)了中國蘇州大學(xué)提出的CoTools框架這一新興研究，該框架增強(qiáng)了大型語言模型（LLM）使用廣泛且不斷發(fā)展的工具集的方式。與依賴大量提示工程或僵化微調(diào)的舊方法不同，CoTools保持基礎(chǔ)模型“凍結(jié)”，同時(shí)訓(xùn)練較小的組件以高效地判斷、檢索和調(diào)用工具。

另一個(gè)促成因素是模型上下文協(xié)議（Model Context Protocol，MCP），這是一個(gè)鮮為人知但越來越被采用的標(biāo)準(zhǔn)，允許代理在各個(gè)步驟中攜帶更豐富的工具和記憶上下文。結(jié)合Genspark的專有數(shù)據(jù)集，MCP可能是其代理看起來比其他替代方案更具“可操控性”的原因之一。

02 與Manus相比如何？

Genspark并不是第一個(gè)推廣通用代理的初創(chuàng)公司。由中國公司Monica上月推出的Manus憑借其多代理系統(tǒng)引起了轟動(dòng)，該系統(tǒng)可以自主運(yùn)行諸如網(wǎng)絡(luò)瀏覽器、代碼編輯器或電子表格引擎等工具，以完成多步驟任務(wù)。

Manus高效整合了開源組件，包括網(wǎng)絡(luò)工具和像Anthropic的Claude這樣的大型語言模型（LLM），令人驚訝。盡管沒有構(gòu)建專有模型堆棧，它在GAIA基準(zhǔn)測(cè)試中的表現(xiàn)仍超過了OpenAI——GAIA是一個(gè)旨在評(píng)估代理現(xiàn)實(shí)世界任務(wù)自動(dòng)化的合成測(cè)試。

然而，Genspark聲稱已經(jīng)超越了Manus，在GAIA測(cè)試中得分為87.8%，高于Manus報(bào)告的86%，并且是通過包含專有組件和更廣泛的工具覆蓋的架構(gòu)實(shí)現(xiàn)的。

03 大型科技公司：仍在謹(jǐn)慎行事？

與此同時(shí)，美國最大的人工智能公司一直保持謹(jǐn)慎。

微軟的主要人工智能代理產(chǎn)品Copilot Studio專注于與企業(yè)應(yīng)用程序（如Excel和Outlook）緊密對(duì)齊的微調(diào)垂直代理。OpenAI的Agent SDK提供了構(gòu)建模塊，但尚未推出自己的全功能通用代理。亞馬遜最近宣布的Nova Act采用以開發(fā)人員為中心的方法，通過SDK提供基于瀏覽器的原子級(jí)操作，但與Nova LLM和云基礎(chǔ)設(shè)施緊密綁定。

這些方法更具模塊化、更安全，并且明確針對(duì)企業(yè)使用。但它們?nèi)狈enspark演示中所展示的雄心壯志或自主性。

其中一個(gè)原因可能是規(guī)避風(fēng)險(xiǎn)。如果谷歌或微軟的通用代理預(yù)訂了錯(cuò)誤的航班，或者在語音通話中說了一些奇怪的話，聲譽(yù)成本可能會(huì)很高。這些公司也被鎖定在自己的模型生態(tài)系統(tǒng)中，限制了它們?cè)诙嗄Ｐ途幣欧矫鎸?shí)驗(yàn)的靈活性。

相比之下，像Genspark這樣的初創(chuàng)公司有自由混合和匹配大型語言模型，并且能夠快速行動(dòng)。

04 企業(yè)應(yīng)該關(guān)心嗎？

這是戰(zhàn)略問題。大多數(shù)企業(yè)不需要通用代理來預(yù)訂晚餐或制作諷刺漫畫。但他們可能很快需要能夠處理特定領(lǐng)域的多步驟任務(wù)的代理，例如挖掘和格式化合規(guī)數(shù)據(jù)、協(xié)調(diào)客戶入職或在多種格式中生成內(nèi)容。

在這種情況下，Genspark的工作變得更加相關(guān)。通用代理變得越無縫和自主，并且越能整合語音、記憶和外部工具，它們就越有可能開始與傳統(tǒng)的SaaS應(yīng)用程序和RPA平臺(tái)競爭。

而且它們正在以更輕的基礎(chǔ)設(shè)施實(shí)現(xiàn)這一點(diǎn)。例如，Genspark聲稱其代理“超級(jí)可操控”，并且可以被營銷人員、教師、招聘人員、設(shè)計(jì)師和分析師使用所有這些都只需要很少的設(shè)置。

通用代理時(shí)代不再是假設(shè)性的。它已經(jīng)到來并且正在迅速發(fā)展。（Venture Beat）