这会是我近期最后一篇关于国产模型+Agent的评论，原因如下：
我基本试到了各家的能力边界，其实都差不多；
虽然产出结果从外观看普遍效果很好，但是如果要考虑Scaling和常规化，成本其实极高；
相比之下，GPT+Gemini+Claude始终可以给到我稳定、可控、可持续的结果，这方面国产模型+Agent依然有很长的路要走；
是的，如果完全客观的评价，特别是在国内的网络环境里：
国产模型+Agent是很不错的平替，我相信百分之八九十的场景下，都是可用的；
然而，其背后耗费的人力、时间、token成本远比想象的要高，这回答了我前几天提出的一个问题，勤固然能够补“拙”，多，有时候却是少；看起来的“少”，最后却成了多。
回到之前的一篇：为神圣罗马帝国跨越千年的历史生成一个网站的“野望”。
是的，上次文章里呈现的结果几乎就是Kimi OK Computer可以达到的极限了。于是，我使用Claude Code连接了Kimi的API，希望从Agent环境跑到更大的开发环境，依靠K2模型能够让项目走的更远一点。
K2的定价其实并不便宜，甚至可以说很贵，尤其是turbo模型只是将推理性能提升到了最高100tokens/s。相比之下，Gemini-2.5-Flash能力强很多，生成速度快很多，价格，算下来还是更便宜的。
在三个小时的不断尝试中，消耗了18.5人民币后，我实现了对前一个结果的改进。
改进的部分也很聚焦：Overview，当然音频问题就无法解决了，Claude Code不支持。
到这里，我果断放弃继续利用Kimi优化的想法了。我做这些事情从来不是为了得到一个所谓“好的结果”，而是看重依靠模型本身，适度的人工参与下，可以到什么程度。
我有了两个答案：
这一代模型的能力就到这里了，Agent部分的优化可能可以让产出变得更多，如同一会儿介绍的MiniMax那样，但是没有本质区别了；
综合下来，模型的使用成本还高于Claude，当然也远远高于GPT和Gemini；20美金/月的Claude订阅，每五个小时的计费时间窗口里，即使我负载加满，也可以工作一小时，足够把上面网站内容部分的bug全部优化好，同时别忘了，使用额度每五个小时都会重置的；当然，更别说Gemini每天还有大量的免费额度，GPT也给了订阅用户非常慷慨的codex里的使用量；
很多时候，多就是少。
当然，上面的例子显然是因为我对Kimi的要求太高了，那么降低负荷，同样针对一份Gemini中产出的AI日报进行多模态的播报，耗费了两次OK Computer的请求后，得到了一个完整的“一键到底”，视频如下：
在这样的量级下，我又成功的完成了几个小的音画兼备的多模态slideshow。
当然，这种由Manus开启的Agent应用（Manus并没有自己的模型，也不不具备声音的模态，我坚定认为没有自己模型的Agent通用应用路基本是越走越窄的），看起来已经成为国产模型的标配了。比如，同时一直在试的MiniMax，GLM……
然后，几个轮次，就消耗光了月度订阅的5000积分。
扣掉1819积分的是希望复制Kimi OK Computer里的神圣罗马帝国的有声交互网站，因为有过OK Computer里踩坑的教训，到了MiniMax中，提示词会多写很多，当然MiniMax默认会有vite框架，信息承载量也更大，所以结果的完整度会更好一点。
当然，虽然音频部分完成的更好，也有更多的历史地图。但其实总体信息量跟Kimi的版本只能说基本差不多，然而审美上，显然Kimi会统一的多。当然MiniMax的这个版本，其实是我已经把一些Kimi生成结果的截图给到以后的结果了。这个结果的链接是：https://g1h6svu4arx7.space.minimax.io/
可是这样的结果耗费了超过1800个积分，意味着19美金/月的订阅包，一个月只能做三次这样的。
可是，如果使用Claude Code，在20美金/月的订阅下，每天至少可以完成一次，音频部分虽然Claude自己没有，但是可以给到Gemini的样例代码，直接写出来，这个对于我而言已经是常规操作了，关键是，每天至少有几十次Gemini-TTS的免费调用额度。
从这个角度讲，MiniMax实在太贵了。
当然，有兴趣的朋友还可以看我耗费1700个积分生成的网站：https://4m2xwqqvu8zl.space.minimax.io ，当然，又是一个“半拉子工程”。
其实，如果再去看Minimax给出的很多用户生成的案例的话，几乎全是这类网站。
看起来很漂亮，可是，它只是适合静态内容，比如上面的站点如果每周要更新一次数据，那都得重新来一遍，且不说1700积分的消耗，结果还都会很不稳定。一句话，无法产品化。
也许，无论是Google AI Studio里的build，还是Claude Code，甚至GPT-5的codex，虽然结果看起来没这么漂亮与花哨，但是在更低的成本消耗下，都可以实现可服用的产品化，如今每天支持我产出各类结果的工具，都是这样实现的。我清楚知道成本有多么可控，和，低。
又是一个“多就是少”。
还有很多可以说的，但还是到这里收尾吧，再补充几点更多的结论：
其实，早在去年底Google发布Gemini-2.0时，今天各种例子，理论上就都可以实现了，当然有了Agent的帮助，可以大幅提升效率，然而，Agent再好，也需要底层模型能力来配合；
在又一年进入尾声，Gemini即将迈入3.0的时代，比拼的已经再也不是单一的大语言模型了，是文生图，文生视频，语音模型，音乐模型，更是比拼生态；
也许，单一模型奋力追一下，能保持甚至不断缩小差距，但是如果在模型库里就是缺了东西，或者就是每一项看起来都有，但都是差那么点，合起来可能就差很多；
这还没考虑生态，推理成本，用户质量（付费意愿与付费能力）等等一系列问题；
我反复计算过一个数字，在设想的AGI或者ASI（真正超越人的智能）到来之前，模型的深度用户就是那小几千万的“程序员”和专业人士（和所在的企业，或者企业的深度用户）；
在高度竞争，快速迭代的巨额投资推动的当下，不能占领这几千万用户的心智，不能从他们身上创造不断倍增的收入，就容易陷入投入越多回报却越低的“恶性循环”，甚至，一旦停止投入就立马出局的“困境”；
不能再展开下去了，我希望自己这些判断是错的。当然，不管如何，如题目所述，这就是近期最后一篇国产模型+Agent的评论文章了。