最近盯着 OpenAI 的动作看了一周。三件事串在一起，一个判断就清楚了。
Agent 的下一程，不是比谁的模型更聪明。是比谁先给 Agent 造出一个云端的身体——让它合上你的笔记本之后，还能继续干活。
一、OpenAI 的三条线索
第一条：收购 Ona。 官方说法是「Codex 下一阶段」。Ona 做的事情很具体——让 Agent 在客户的云环境里持续运行。你的笔记本合上，Agent 不停。
第二条：在招 Cloud Agents 工程师。 岗位描述四个关键词：编排、沙箱、身份、成本。这不是在做一个 CLI 工具，是在造一套基础设施。
第三条：Codex 负责人 Tibo 那句话（之前文章引用过）——Codex 是个好 harness，但两三个月后会显得原始，下一代模型需要的不只是你的笔记本。
三条放在一起看，其实在讲同一件事：
模型将拉起临时 workspace——机器、Agent、共享内存、权限——连续工作数天。
这不是「Codex 变快一点」。是运行范式的切换。从「你打开终端给 Agent 下指令」变成「Agent 自己拉起一整套执行环境，干完了把结果交给你」。
二、季逸超一年前就在造这个东西
回过头看 Manus，它从产品形态上，基本就是朝着这个「终局」去的。
| 时间 | Manus 做了什么 | 对应的终局能力 |
|---|---|---|
| 2025 年初 | 完全运行在云上，本地无打扰 | 云原生 Agent 执行环境 |
| 2025 年中 | 引入 wide research | 任务拓扑方向的智能调用密集度 |
| 2025 年底 | 开始做主动式 Agent | 时间维度的智能调用密集度 |
| 很早 | 建立 evaluation 团队 | Agent 产品的迭代地基 |
2025 年初发布 Manus，意味着 2024 年季逸超团队对整体方向已经有比较强的判断和投入。OpenAI 今天在追的东西——云端持续运行、容器隔离、评估体系——Manus 一年前就在造了。
季逸超牛逼。产品经理的眼界，在 25 年初发布这个产品，说明 24 年对方向已经有了清晰判断。连续创业者的市场洞察力就是强。他们很早就意识到三件事要分开做：容器、评估、架构。还有一个很多人没看到的区分——增强人和替代人的区别。Manus 走的是替代路线：Agent 独立完成任务，人只看结果。
这个判断在当时是超前的。大部分团队还在做「辅助写代码」，季逸超已经在做「Agent 独立干活」。
三、但模型上限才是留存——Manus 的困局
说完 Manus 的强，也要说它的难。
Manus 订阅用户在下降。原因不复杂：ChatGPT 更新了 GPT 5.6 之后，模型上限太高了。
这里面有一个残酷的逻辑：
产品形态可以领先，但模型能力是天花板。
Manus 的 Agent 架构做得再好，底座模型如果和 GPT 5.6 有代差，用户体验的上限就被锁死了。模型能力一拉开，订阅留存差距立刻可见。
| Manus | ChatGPT (GPT 5.6) | |
|---|---|---|
| 产品形态 | 领先（云原生、主动式） | 在追（Codex 整合中） |
| 模型上限 | 受限于接入的底座模型 | 自家最强模型 |
| 订阅留存 | 下降 | 稳定 |
这也是所有 Agent 创业公司面对的核心矛盾：你能把编排做到极致，但推理能力的上限不在你手里。 模型是别人家的，天花板也是别人定的。
但这不影响季逸超的判断力。产品方向没看错——只是模型底座不是他能决定的变量。
四、下一程的竞争维度
那下一阶段到底比什么？我的判断是三个维度同时比拼：
智能 × 云端执行能力 × 计算资源配额。
光有聪明的模型不够——没有云端身体，Agent 就困在你的笔记本里。光有好的产品形态也不够——底座模型有代差，体验上限直接打折。光有算力也不够——没有好的编排和评估体系，算力就是浪费。
国内能对标的玩家：月之暗面没有计算资源，字节跳动没有创新力。Manus 有眼光有执行，但缺模型底座。
这也引出一个关于连续创业者的思考。所谓「连续」，不是「在大厂杀死这个行业之前快速融资赚钱」——而是 pivot 的能力。比如 OpenAI 在 Sora 2 没盈利的时候砍掉它，在趋势明显的时候把 ChatGPT 和 Codex 合并。方向判断 + 执行果断，才是连续创业者真正的护城河。
五、终局形态：Agent 成为独立 Control Plane
顺着这条线想下去，Agent 的终局形态正在变清晰：
Agent 成为一个独立的 control plane——按任务动态调度本地和云端 execution environments，同时可以无限横向扩展 worker。
容器、评估、架构分开。Agent 不再是跑在你电脑上的一个进程，而是一套独立系统。它自己决定用什么执行环境、自己拉起资源、自己释放。
但这里面有一个被严重低估的难题：怎么把你本地机器的身份、授权、文件和运行环境，打包交给云端沙箱？
每个人的本地机器，本质上就是自己的分身和记忆。你的 SSH key、你的 git 凭证、你的 .env 文件、你跑了三天才配好的开发环境、你本地分支上昨晚改到一半的代码——这些不是数据，是上下文。把它们安全、完整地同步给一个云端容器，远比听起来要难。
| 需要打包的 | 难在哪 |
|---|---|
| 身份与授权 | SSH key、API token 不能明文上传，需要安全注入 |
| 文件系统 | 本地未提交的改动、.gitignore 里的配置文件 |
| 运行环境 | 依赖版本、系统级工具链、自定义脚本 |
| 隐性上下文 | 你脑子里知道但没写在文档里的东西 |
这就是为什么 OpenAI 招的 Cloud Agents 工程师要懂身份和沙箱——不是造一个能跑代码的容器就完了，是要让这个容器变成你的分身。
我自己也在做 Agent Runtime（Zaokit），感受很直接：本地和云上各有优劣。云上 24 小时随叫随到，本地还要开电脑；但本地访问文件和凭证更有优势。云上可以通过链接外部存储和安全凭证注入来平衡——所以我坚信云 Agent 有其发展空间，但谁先把「本地分身上云」这件事做顺，谁就占住了真正的入口。
Manus 团队的很多工作，都让我后知后觉。终局形态的演进路径值得持续追踪。
写在最后
压成五句：
- OpenAI 三条线索指向同一件事——收购 Ona、招 Cloud Agents 工程师、Tibo 暗示 Codex 即将过时，都在说 Agent 要搬进云里
- Manus 一年前就看到了这个方向——云原生、wide research、主动式 Agent、evaluation 团队，季逸超的产品判断力值得尊重
- 但模型上限才是留存的命门——GPT 5.6 一出，产品形态领先也扛不住模型代差
- 下一程三维比拼——智能 × 云端执行能力 × 计算资源配额，缺任何一个都打不赢
- 终局是 Agent 成为独立 control plane——动态调度本地和云端执行环境，无限横向扩展
说直白点：
下一代 Agent 不住在你电脑里，住在云上——带着你的身份、你的记忆、你的环境。谁先把这件事做顺，谁赢。
我一个人打造的 Zaokit AI Agent 交易平台，以及 AI PPT / 图文创作 Zaokit.app，助力大家高效完成图文创作和 PPT 生成。唯一网站：https://zaokit.app。
企业侧同一逻辑，已经融进可直接接入的服务：
稳定靠谱的 AI 全家桶，开箱即用。
如果你认可 Zaokit AI 的产品理念，欢迎后台留言加入社群。我们不卖课、不割韭菜，只聚焦 ToB 企业场景的 AI 落地实战。 希望在这里，能给你带来不一样的思维火花和真实的商业碰撞。
延伸：你的公司电脑，可能连 Agent 的门都进不了 · 他们到底看到了什么？让 Jeff Dean 离开待了 27 年的 Google · 没烧过 token，就别说看懂 AI 半导体
| 唯一网站：Zaokit.app | Agent 交易平台：Zaokit.ai |
企业 Grok 服务：grok.zaokit.com
企业服务：cx.zaokit.com · cc.zaokit.com · tokenhub.zaokit.ai · gift.junxinzhang.com · 完整产品列表
稳定靠谱的 AI 全家桶，开箱即用。
我是 Jason，自己一个人做 AI 产品。Agent 的下一程，打在云上——谁先让你的分身住进去，谁赢。
模型天天更新，你的数学呢？