誰懂啊家人們？？
Agent時代，大公司都在把“燒多少token”當KPI了，本小小員工還深陷另一個泥沼：
聰明的模型用不起，便宜的模型不夠聰明。
想找一個又能打又不貴、還能在主流Agent環境裡即插即用的模型？過去基本沒有。
然而就在剛剛，我發現有一位國產玩家，悄悄打破了這個“不可能三角”。
其新發佈的Agent模型，性能已經站到全球第一梯隊——甭管對面是開源還是閉源，凡是你能叫得上名字的頂尖選手，它都能與之掰一掰手腕。
而且價格確實驚到我了，只有主流頂尖模型的一半甚至更低。
更關鍵的是，模型深度適配了OpenClaw、Claude Code、Hermes、Nanobot等主流Agent框架，還相容OpenAI介面。開發者幾乎不用改架構和程式碼，很多時候換個baseURL和API Key就能直接跑。
說了這麼多，想必你已十分好奇來者何人了？⊙.☉
答案這就揭曉：崑崙萬維。具體模型則是SkyClaw-v1.0及其輕量版SkyClaw-v1.0-lite。
悄咪咪透露，兩款模型現在都限時免費開放。
不過我還是好奇，同一款模型憑什麼能同時做到聰明、便宜、好用？這不得狠狠扒一扒。
發佈了什麼？一次性上新兩個Agent模型
要搞懂崑崙萬維SkyClaw系列模型為什麼能打，得先理解一個很多人忽略的區別。
現在市面上大多數模型的Agent能力，本質上是後天加的buff——先訓一個通用大模型，再套一層工具呼叫的殼。
省事確實省事，但由於模型本身並不是按“完成任務”來訓練的，而是按“生成語言”來訓練的，所以簡單任務還行，一複雜就容易掉鏈子。
而SkyClaw走的是完全不同的路。從訓練的第一天起，它的目標就不是聊天，而是幹活。工具怎麼調、參數怎麼傳、多步任務怎麼拆解和執行，這些能力不是後天補課補出來的，是從“娘胎”裡帶的。
這個起點上的差異，直接決定了後面的上限。
實際上，行業裡已經有不少玩家意識到這個問題，開始從“通用模型+工具殼”轉向專門為Agent場景設計的模型。
而崑崙萬維這次發佈的SkyClaw-v1.0和SkyClaw-v1.0-lite，正是這條新路線的產物。
兩款模型，一重一輕，各有分工。
先說旗艦版SkyClaw-v1.0，吃複雜任務的主力。
它針對OpenClaw相關任務做了深度最佳化，適用於企業級的多步驟、強工具依賴場景。
在Claw相關任務上，據瞭解SkyClaw-v1.0已經可以和Claude Opus 4.6這個等級的閉源頂流模型正面過招。
能和Opus 4.6相提並論，我實在忍不住先去官網翻了幾個demo，一看還真繃不住了。
一眼掃過去，SkyClaw-v1.0是真愛玩遊戲（bushi，頁面上全是它生成的各種“經典款”。
隨手打開水管工馬里奧，結果我直接通過電腦鍵盤就這麼玩起來了——
前進、後退、跳高拿金幣，全程絲滑不卡頓。
覺得遊戲只是炫技？再來一個正經幹活的。
看看這個金融終端的完成度，頂部滾全球指數，左邊是頻道導航，中間新聞流帶著來源和關聯股票，右邊自選股帶迷你K線圖，連突發新聞彈窗都做了。
這種多個模組聯動的介面，以前前端團隊至少搞好幾天，而SkyClaw-v1.0很快就自己搞定了。
當然，這些行情資料是模型自己模擬生成的，不是真實資料。
但這反而是重點。SkyClaw-v1.0干的活是從零搭架子——介面、元件、互動邏輯，一次性把程式碼給你寫完。開發者只需要接上真實資料，就能讓頁面真正跑起來。
從馬里奧到金融終端，從娛樂到生產力，複雜度差了好幾個量級，而SkyClaw-v1.0都能一口氣吃下來。
或許這就是傳說中的，原生Agent模型和通用模型順手做Agent之間的差距。
再說輕量版SkyClaw-v1.0-lite，Agent核心能力沒打折，但速度更快、價格更便宜。
它面向的是高頻、成本敏感的場景，比如批次API呼叫、輕量級自動化流程。
發現沒，自從模型進入Agent時代後，大部分玩家在推主力模型時都會附帶一個輕量版，這也很好理解，就像前段時間Snapchat前機器學習工程師說的那樣：
如果你用AI開發時，始終默認使用成本最高的模型來完成每一項任務，那麼你80%的工作都是在浪費錢。
經常用Agent跑任務的人，估計都對此深表認同。
有了這兩個模型，一個負責性能天花板，一個負責守成本底線，是誰又被AI穩穩地接住了（doge）。
不過說實話，這款模型更讓我心動的，還是它的價格。
SkyClaw-v1.0輸入0.5元/百萬tokens，輸出4元/百萬tokens；輕量版輸入僅0.3元，輸出2元。
悄悄對比了一下，這個價格僅為主流頂尖模型的一半甚至更低。
而且發佈期還疊加了限時免費，對，你沒看錯，免費。
更離譜的是後手——試用期結束後，崑崙萬維計畫逐步開源每個模型版本。
性能夠到了閉源頂流，價格砍到了行業腰部，後面還有開源兜底。
這套組合拳打完，我只想說一句：這是要把Agent模型的落地門檻狠狠打下來啊。
怎麼上手？就這麼開箱即用
到這裡，本“既要又要黨”已經心中大致有譜了，接下來只幹一件事：
自己跑一把，畢竟是騾子是馬總得要拉出來遛遛。
怎麼試呢？總結起來目前有兩條路：
最快的方式，就是直接去天工Skywork平台（tiangong.cn）。SkyClaw-v1.0已經在5月22日接入了天工Skywork，不用裝任何東西，不用配環境，瀏覽器打開就能用。
而且現在正值限時特惠，價格超低，感覺很適合想先試試Agent能力再決定是否深度接入的人。
想深度整合的，那就走API（API目前免費中）。免費註冊一個APIFree帳號，拿到API Key就能呼叫，介面相容OpenAI格式，支援流式輸出、工具呼叫、多輪對話。對已經在用OpenAI介面的開發者來說，基本就是換個baseURL和model名的事。
（P.S. APIFree是崑崙萬維自家的模型聚合平台，支援呼叫國內外多種主流模型。）
話不多說，我這就選兩個比較典型的Agent場景跑一跑。
第一個我想試試給自己“養”一隻電子桌寵，既能打工還能陪我摸魚那種。需求大概是這樣的：
一隻小貓，能在螢幕上隨機溜躂，點選會說打工人語錄，右鍵能切工作模式和摸魚模式，工作模式帶番茄鐘倒計時，還要有喝水提醒、遠眺提醒、拉伸提醒這些健康功能。
只見提完需求後，SkyClaw-v1.0就直接在Skywork平台裡開幹了，等我刷完短影片回來，發現它已經把整套原始碼檔案全部生成完畢。
再一看成品，小貓是SVG漸變繪製的，粉色身體、三角形耳朵、大眼睛，還挺可愛。
右鍵打開Focus Mode面板，番茄鐘支援25/45/60分鐘三檔，下面是任務清單和健康提醒模組。倒計時結束後小貓自動切到摸魚模式，彈出氣泡：我不是在摸魚，我是在給公司省電……
當然，為了快速看效果，我先讓它生成了HTML版本，瀏覽器打開就能玩。如果想做成真正的原生桌寵，還可以繼續讓它生成Electron打包方案，終端跑幾行命令就能變成常駐工作列的桌面應用。
而更讓我驚喜的是，做完之後它主動彈出了一個IM連接面板，支援Skywork App、飛書、Slack、Discord、Telegram等七種聊天工具直連。
也就是說，後續如果做進一步的開發對接，這只小貓理論上可以直接在我日常使用的聊天窗口裡和我互動。
好，摸魚測完了，老規矩再來個正經的。
我們編輯部每周都有例會，其中一項就是總結上周的AI趨勢。
為了避免會前還在抓耳撓腮，這次我打算弄一個AI行業周報自動生成系統。需求很簡單也很貪心：
自動抓取過去一周的AI熱點，按主題分類，提煉趨勢訊號，最後生成一份可互動的周報頁面。
結果你猜怎麼著？這事兒還真讓SkyClaw-v1.0幹成了。
前端就不用多說了，UI和功能佈局一目瞭然。
關鍵是後端，看了SkyClaw-v1.0的工作過程才發現，它不光用FastAPI搭了一套完整API，還自己整出了一條資訊處理流水線。
前面從RSS、GitHub、HuggingFace、網頁四個管道自動抓資料，中間做清洗、分類和趨勢分析，後面自動生成周報，最後用SQLite存起來。
而我核心要的，就是那個周報Tab頁——頂部三句話總結本周趨勢，中間是一些值得關注的類股，最後是按分類展開的詳細報告。
我試了下，分類中的每條連結都可以打開並跳轉，這說明資料是真實抓取的，不是模擬生成的。
當然最讓我心動的依舊是最後一步。做完之後，它提示我可以把這個系統設定為定時任務，比如每周一早晨自動運行抓取和分析指令碼，生成最新一期周報。
兩個任務跑下來，一個感覺特別明顯：SkyClaw-v1.0已經不是那種需要你一步步喂指令的模型了。
桌寵那個，從理解需求、寫程式碼到打包，全自己搞定，甚至還主動推薦了IM直連的方式。
周報那個更狠，直接給了一套完整的產品原型——後端、資料庫、資訊抓取、分析、前端面板全都有，理論上還能定時自動運行。
而且有一個細節必須提一下，如今Agent時代都講究可復用的工作流，SkyClaw-v1.0這一點也做得很好，像上面那個周報系統，它就會彈窗提醒你要不要設定成Skill。
從開發到復用，能看到崑崙萬維已經有意在Agent模型中建構完整的工作流閉環。
再疊加前面說的價格，說白了就一句：
SkyClaw-v1.0已經能用，而且真用得起了。
怎麼做到的？原生為Agent設計的訓練範式
至於SkyClaw-v1.0模型到底怎麼做到的？
崑崙萬維這次也沒藏著掖著，項目首頁上直接清晰列出了幾點理由：
總結起來就是，不靠堆參數，靠針對Agent核心痛點進行系統性最佳化。
最典型的就是工具呼叫，現在很多模型聊天挺聰明，但一到真幹活就開始掉鏈子——
參數傳錯、步驟漏掉、格式寫崩，一個失誤後面全亂套。
SkyClaw-v1.0就想了，既然Agent天天要調工具，那乾脆從訓練階段就把模型泡在Agent環境裡。
於是它在mid-training階段就塞進了大量複雜Agent任務，讓模型從底層開始適應“呼叫工具”這件事，而不是後面再臨時補課。後面再用針對OpenClaw任務的高品質資料繼續強化，多步驟工具呼叫的穩定性一下就上來了。
但Agent還有另一個經典問題：聊著聊著就“失憶”。
一說到記憶問題，很多人可能下意識認為“把上下文窗口做大就好了”。
確實，SkyClaw-v1.0也沒落下這一點，直接把上下文拉到了前沿玩家的百萬級水準。
但重點其實不只是“窗口夠大”，而是它在強化學習階段直接扔進真實Agent環境裡反覆訓練，讓模型學會在超長任務鏈裡穩住狀態。
說白了，不是實驗室裡刷benchmark，而是真拿去幹活練出來的。
還有一點也挺關鍵。
很多Agent模型在自己熟悉的框架裡猛得不行，一換環境立刻拉胯。
於是SkyClaw-v1.0乾脆在訓練階段就把OpenClaw、Claude Code、Hermes、Nanobot這些主流環境全覆蓋了，相當於提前做了一遍“大規模適配”，開發者不用被某個框架綁死。
當然，最關鍵、可能也是最容易被忽略的一點是：崑崙萬維沒把模型做成一個巨無霸。
過去想要頂級Agent能力，默認就得接受大參數、高成本、慢推理這套組合。而SkyClaw-v1.0換了個方向，不是把參數往上堆，而是把訓練流程做成Agent專項特訓，在更小的參數量上把能力頂上去。
參數小了，推理自然快，成本自然低，這也是它價格能打到主流一半的底層邏輯。
所以回頭再看，真正拉開差距的，可能早就不只是參數規模了。
一個模型從第一天開始，到底有沒有圍著Agent場景去訓練，很多時候才決定了它最終能不能真正幹活。
起點不同，終點自然不同。
Agent落地的“不可能三角”，被國產玩家打破了
老實說，SkyClaw-v1.0系列模型的出現，剛好踩在一個很微妙的節點上。
Agent賽道喊了一整年，大家都知道這是方向，但真正能用、用得起、還好接入的模型，一直沒幾個。
而它填補的，恰恰是高性能Agent能力與低成本落地之間長期空著的那塊地。
而且它還不是突然冒出來的。
早在今年2月，崑崙萬維就上線了SkyClaw產品，基於開源架構OpenClaw重構，做的是全天候雲端AI助理。
隨後的3月，它又在GitHub和Clawhub鋪了首批6個官方Skill：PPT、文件、表格、設計、搜尋、音樂，基本把辦公場景的核心環節覆蓋了。
現在SkyClaw-v1.0一出，回頭看這條線就很清楚了：
先搭平台，再鋪Skill生態，最後把底層模型的性能和成本一併解決。
就像我在實測中感受到的那樣，做完桌寵它問你要不要存成Skill，做完周報它提醒你設成定時任務，崑崙萬維瞄準的顯然不只是一個模型，而是一整套Agent工作生態。
這背後的邏輯其實也不難理解，因為一個顯而易見的大趨勢是——
生產力正在從單一工具時代，邁向可持續運轉的AI工作流時代。
單個模型再強，如果沒有平台承接、沒有Skill沉澱、沒有工作流串聯，能力就是一次性的，而一次性顯然不是這個時代大家所追求的。
其實回看崑崙萬維這幾年做的事，有一條線挺清晰的：把AI技術儘可能帶給更多人。
先不說早期開源和價格下壓那些大動作，你注意到一個產品細節沒？
天工Skywork上不只有自家模型，Claude、GPT這些也能直接用；APIFree更乾脆，直接做成模型聚合平台，國內外主流模型一個帳號全搞定。
說實話，這種做法在行業頭部玩家裡的確不多見。畢竟大部分平台，本質上還是希望把使用者圈在自己生態裡。
而這次SkyClaw-v1.0，某種程度上走的也是同一條路。
限時免費、價格直接壓到主流一半、繼續鋪Skill和工作流生態，說到底都是在讓Agent能力真正走出實驗室。
因為只有當價格開始降下來、工作流開始普及，頂級Agent能力才不會只是大廠內部才能長期“消費”的東西。
從高端實驗到全民落地，至少崑崙萬維先給大家打開了一扇門。 (量子位)