大家好，我是歸藏（guizang），今天给大家带来 Lovart 的正式版一手介绍和体验。Lovart 我们介绍过很多次了，但是每次都会有新东西。 昨晚看到他们的推特，发现发了正式版，就赶紧试了一下。 今天这个设计 Agent 终于变成了一个完全体，而且这次的更新依然非常牛批。
Manus为迷茫的AI从业者定义了Agent的产品范式，至此，一场以华人为主角的AI Agent创业热潮，正在席卷全球。
在正式走近ChatGPT Agent之前，让我们介绍一下这次谈话的几位主角，他们分别是OpenAI团队核心成员Isa Fulford、Casey Chu和孙之清。我们团队分别开发了Operator和Deep Research，在分析用户请求时发现，Deep Research的用户非常希望模型能够访问需要付费订阅的内容或有门槛的资源，而Operator恰好具备这种能力。
自 ChatGPT 引爆公众认知以来，AI 开始渗透进写作、编程、设计等多个应用场景，推动人类进入“智能体（Agent）”时代。曾经遥不可及的自动化交互，如今正在成为现实。在这背后，一场关于基础设施的重构也悄然展开——从模型能力到部署体验，谁能打通智能 Agent 的“最后一公里”，谁就掌握了这场范式变革的主动权。
全技术栈开发，让更多的想象力成真了。
OpenAI GPT Agent以为只比Manus们差了一步， 但7月份带着一堆更新回归的MiniMax Agent告诉它其实已经慢一圈了。
现有Mobile/APP Agent的工作可以适应实时环境，并执行动作，但由于它们大部分都仅依赖于动作级奖励（SFT或RL）。
上周五，ChatGPT Agent mode上线了。
OpenAI推出ChatGPT agent引发国产Agent竞品（如Manus、Genspark）公开对比，声称自身更优。实测退休计划任务显示，ChatGPT输出简陋，仅20分钟完成简易PPT；而Kimi报告详尽并互动提问，Minimax多格式输出，Manus快速设计美观。ChatGPT仅功能整合，非革命性升级，但标志AI从问答向任务执行协作转型。
MiniMax 在 7 月 10 日面向全球举办了 M1 技术研讨会，邀请了来自香港科技大学、滑铁卢大学、Anthropic、Hugging Face、SGLang、vLLM、RL领域的研究者及业界嘉宾，就模型架构创新、RL训练、长上下文应用等领域进行了深入的探讨。
