2026年4月，OpenAI发布GPT-5.5，7月GPT-5.6发布。

GPT-5.5 它可以研究资料、分析数据、操作软件、生成文档和表格，并在复杂任务中持续检查结果。而GPT-5.6进一步加强了工具调用、Computer Use和复杂任务执行，并被同时部署到ChatGPT、Codex和API中。

Anthropic的路线几乎相同。

Claude Opus 4.6强化了长时间编程、百万Token上下文和大型代码库处理；Opus 4.8继续提高工具调用、浏览器操作和端到端任务可靠性，并允许Claude Code动态调度大量并行子智能体；Fable 5则进一步进入多日自主工作、复杂视觉操作和专业工程任务。

模型迭代与智能体收缩

这几次升级说明了一件事：

大模型每完成一次重大迭代，就会抹掉一层原本可以独立收费的智能体

被吞噬的不是概念，而是具体产品

1. PDF和企业知识库问答

最典型的产品，是“上传一份PDF，然后向文档提问”。

ChatPDF就是这一类产品的代表：上传论文或PDF，再通过聊天完成摘要、检索和问答。Adobe也已经把类似能力直接放进Acrobat。

但当ChatGPT和Claude可以直接读取文件，并连接Google Drive、SharePoint、Slack和企业系统后，普通的“上传文档+向量检索+聊天界面”就很难继续保持高溢价。需求还在，但功能正在变成平台标配。

2. PPT和报告生成智能体

Gamma代表了另一类常见产品：输入一个主题，自动生成演示文稿、文档和网页。过去，通用模型更擅长写PPT大纲，专业PPT工具负责排版和生成。

现在，ChatGPT Work已经开始直接把分散的文件、笔记和业务信息转化为完成后的工作成果；GPT-5.6也已经进入Word、Excel和PowerPoint等办公场景。

这会直接压缩以下产品：

• 会议纪要生成周报；
• 行业资料生成研究报告；
• 销售数据生成汇报PPT；
• 财务数据生成经营分析材料。

专业设计工具不会消失，但只负责“把文字变成几页PPT”的产品会越来越危险。

3. 研究和竞品分析智能体

过去有大量产品提供：

• 自动搜索竞品；
• 收集行业信息；
• 分析公司和产品；
• 整理引用；
• 输出市场报告。

但搜索、资料阅读、数据分析、证据整理和报告输出，正在被整合为大模型的一次完整任务。

GPT-5.5已经被用于处理大规模文档和专业分析，Opus 4.8也在深度研究、金融文档和法律任务中强化了端到端执行能力。

因此，普通的“帮我搜索资料，再写一份报告”，很难继续构成独立产品。

4. 工作流和多智能体编排平台

前几年，多智能体平台经常展示这样的流程：

一个Agent负责搜索，一个负责分析，一个负责写作，最后一个负责审校。

但Codex App已经可以并行运行多个智能体，并通过Worktree隔离任务；Claude Code的Dynamic Workflows则可以规划任务，并在一个会话中调度大量子智能体，再验证最终结果。

“有多个Agent”本身已经不再是壁垒。

真正的区别只剩下：这些Agent掌握什么数据、拥有什么权限，以及最终需要对什么结果负责。

5. 浏览器Agent和通用RPA

Bardeen一类产品可以通过自然语言生成浏览器自动化流程，用于抓取网页、填写表格、整理信息和处理重复操作。

但Computer Use正在让基础模型直接获得“看屏幕、点鼠标、输入内容和操作网页”的能力。

当这种能力进入ChatGPT、Codex和Claude后，普通浏览器Agent会逐渐从独立产品，变成模型平台的一个工具。

6. 普通编程智能体

Devin、Cursor以及大量代码Agent，证明了用户确实愿意把开发任务交给智能体。Devin目前的产品定位已经覆盖多代码仓库、并行云端Agent和复杂工程团队。

但Codex和Claude Code也在快速覆盖：

• 功能开发；
• Bug修复；
• 自动测试；
• 代码审查；
• 重构和迁移；
• Pull Request；
• 多项目并行执行。

Codex已经从单一代码生成工具扩展到多Agent工程工作台，Claude Code可以读取代码库、修改文件、运行命令，并通过MCP、Hooks、Skills和Subagents扩展，正在往无所不能的全栈工程师的方向去发展。

这并不意味着Devin或者Cursor会消失。

但一个只会“调用模型写代码”的新产品，已经很难成立。它必须进入企业代码体系、权限、安全、部署和工程管理，才有独立价值。

更容易被吞噬的智能体

下一批可能被吞噬的方向

视频生成和编辑

下一阶段，模型不会只负责生成一个视频片段，而会同时完成：

脚本、分镜、素材生成、镜头选择、剪辑、字幕、配音、音乐和反复修改。

大量“文案转视频”“自动剪辑”“数字人口播”和短视频二创产品，可能逐渐变成基础平台中的标准工作流。

通用数据分析

当模型可以直接连接数据库和Excel，自己写分析代码、检查计算、生成图表并输出报告，“自然语言问数据”就很难单独成为一个高价值产品。

能够留下来的，是掌握行业指标、数据治理、权限体系和决策流程的分析系统。

客服和销售智能体

当模型能够同时读取邮箱、CRM、日历、合同和企业知识库后，普通客服问答、销售邮件生成和自动跟进也会被快速商品化。

真正有价值的产品必须继续进入报价、审批、履约、回款和客户生命周期管理。

轻量级应用生成

随着Codex等工具从写代码走向直接生成和维护应用，大量简单的后台管理工具、内部表单、数据看板和轻量SaaS，也可能由企业自己用自然语言生成。

传统低代码平台和简单外包开发，同样会受到影响。

云端智能体最后还剩什么？

云端智能体不会全部消失。

但“模型API+提示词+工作流+聊天界面”的产品，会越来越难。

未来仍然成立的方向，大致只剩三类。

第一，高度专业化的智能体

进入极度垂直的行业，掌握通用模型公司难以快速获得的数据、规则和工具。

例如：

• 工业设备故障诊断；
• 医疗专业流程；
• 复杂工程设计；
• 机器人数据生产与标注；
• 特定供应链和生产系统。

专业化不是在提示词中写一句“你是一名行业专家”，而是拥有真正的行业数据、软件接口和交付能力。

第二，建立在基础智能体之上的复杂系统

这类公司不再试图重新发明一个ChatGPT，而是把GPT、Codex或者Claude作为底层执行能力。

它们负责解决：

• 企业权限；
• 多系统连接；
• 人工审批；
• 状态管理；
• 质量评估；
• 异常恢复；
• 业务结果交付。

底层智能体可以更换，但上层业务系统不能被一个模型升级直接替代。

第三，私有智能体

很多企业不会把核心代码、研发资料、生产工艺、客户数据和内部知识上传到公共云。

因此，本地模型、内网知识库、边缘智能体和私有执行环境仍然有明确价值。

私有智能体不需要比云端模型更聪明，它只需要做到：

• 数据不出域；
• 模型可以替换；
• 权限可以控制；
• 全过程可以审计；
• 必要时可以断网运行。

结论

过去，模型公司提供模型，创业公司在上面开发智能体。

现在，模型公司正在同时向上扩张：

搜索、文件、插件、浏览器、代码、桌面操作、多智能体、自动化任务和最终成品，正在被整合进同一个平台。

所以，大模型正在吞噬的不是需求。

人们仍然需要做报告、分析数据、处理文档、开发软件和操作业务系统。

大模型真正吞噬的，是智能体中间层。

未来最危险的，是没有专有数据、没有业务权限、没有复杂流程，也不对最终结果负责的通用云端智能体。

而未来真正可能留下来的，是三类产品：

高度专业化的智能体、建立在基础智能体之上的复杂系统，以及私有智能体。

所以，如果你还在基于大模型做智能体，你可能就是下一次被吞噬的对象，我认为你可以马上放弃掉了，将做工具的形态演变为解决问题的心态，因为解决真实问题才是最终的路径。

关注芯动力AI，了解更多模型和AI的进展。