国产大模型衍生出来的智能体有哪些

你大概遇到过这种情况：想给团队上一个能干活的智能体，搜出来一堆名字，说明页写得都挺好，但看不出它背后是哪个国产模型、能力边界在哪、换一家是不是一样用。这篇不列死名单，而是把国产模型衍生出的智能体按来源和形态分成几类，给一套可落地的判断与试用顺序，再告诉你到站内哪些页面去核对当前在售的产品与规格数字。

你大概遇到过这种情况：想给团队上一个能干活的智能体，搜出来一堆名字，说明页写得都挺好，但看不出它背后到底是哪个国产模型、能力边界在哪、换一家是不是一样用。有的产品其实是模型厂自己发的，有的只是平台把别家模型包了一层，还有的是团队拿开源权重自己搭的，三者出了问题的处理方式完全不同。

这篇不列死名单，名单更新太快，写死了反而误导。换个做法：把国产模型衍生出的智能体按来源和形态分成几类，给一套可落地的判断与试用顺序，再告诉你到站内哪些页面核对当前在售的产品与规格数字。看完你应该能自己判断一个产品属于哪一类、值不值得试。

先分清「模型厂出的」和「套壳的」

「衍生」这个词容易被含糊过去。对选型有意义的划分只有三层：模型厂商自己发布的智能体产品、平台方把模型封装成的 agent 服务、第三方拿开源权重自建的应用。这三层的差异不在名字，而在出问题时你找谁、以及模型升级时你能不能跟着升。

模型归属

官方文档里写的是自研模型，还是给了一个模型选择器让你挑别家的

推理链路

请求从你的输入到最终输出中间经过了谁，能不能在日志里看到每一跳

升级路径

底层模型换代时，你是自动跟着升，还是要重新对齐提示词和工具定义

判断依据就是上面这三条，不是产品名里有没有「智能」两个字。一个明显信号：如果说明页大篇幅讲「支持多种模型」，它多半是第二层或第三层，能力上限取决于你选的那个模型，而不是产品本身；这类产品换模型往往要重调，别指望开箱即用。

按任务形态分成几类，比按厂商分更好用

同一家模型厂可能出好几个智能体产品，按厂商列清单帮不上选型。按任务形态分更实用，因为你要的验收方式是由任务决定的，不是由品牌决定的。下面这张对照表可以直接拿去套自己的场景。

用法很简单：先把你的任务压缩成一句话，再看它落在哪一行。跨行的产品通常两边都不够深，尤其是同时号称擅长编程和网页操作的，实际用起来往往只能当草稿工具，正式流程还得拆开。

试用前先定四条验收线

• 稳定性：把真实任务跑三遍，看结果差异有多大，别只看第一次的漂亮输出
• 可定位性：失败时有没有中间步骤日志、能不能看到调了哪些工具、报错信息是否可读
• 数据与权限：能不能私有化或走内网、历史记录存在哪、能不能关掉训练用途
• 退出成本：提示词与配置能不能导出、换模型要不要重写流程、有没有标准协议接口

这四条里最容易忽略的是第四条。很多团队试的时候只测能力，上线半年后想换模型才发现流程和提示词全绑死了，迁移成本比重新做一遍还高。所以试用阶段就要问一句：换掉底层模型，我现在写的这套东西还剩多少能用。

1. 选一个真实任务从你们日常流程里挑一个有人正在手工做的任务，不要用演示数据，规模控制在一小时内能跑完。
2. 跑三遍并记录差异同样输入跑三次，把输出和中间步骤都存下来，对比不一致的地方出现在哪一步。
3. 故意制造一次失败比如给一个格式不对的输入，看它报错还是硬编，报错信息能不能让你判断是输入问题还是模型问题。
4. 问清楚数据的去向直接问对方历史记录存储位置和是否用于训练，拿不到明确答复就先别接真实数据。

下单前到站内把数字核对一遍

前面讲的是判断标准，但具体到「现在有哪些、什么规格、什么价」，这些数字一直在变，任何写死在文章里的清单都会很快过期。正确做法是到站内固定页面核对当时的数字，尤其是单价、额度、限速这类会调整的项。

核对顺序建议是先看目录确定候选，再去价格追踪页比数字，接着看站点页排掉有风险的中转，最后用自己的线路测一次速度。这样一圈下来，剩下的候选通常不会太多，再把前面那四条验收线跑一遍就够了。