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環境里即插即用的模型？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”。

其新發布的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，還兼容OpenAI接口。開發者幾乎不用改架構和代碼，很多時候換個baseURL和API Key就能直接跑。

說了這么多，想必你已十分好奇來者何人了？⊙.☉

答案這就揭曉：昆侖萬維。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，同一款模型憑什么能同時做到聰明、便宜、好用？這不得狠狠扒一扒。

發布了什么？一次性上新兩個Agent模型

要搞懂昆侖萬維SkyClaw系列模型為什么能打，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，本質上是后天加的buff——先訓一個通用大模型，再套一層工具調用的殼。

省事確實省事，但由于模型本身并不是按“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，一復雜就容易掉鏈子。

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，而是干活。工具怎么調、參數怎么傳、多步任務怎么拆解和執行，這些能力不是后天補課補出來的，是從“娘胎”里帶的。

這個起點上的差異，直接決定了后面的上限。

實際上，行業里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。

而昆侖萬維這次發布的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，吃復雜任務的主力。

它針對OpenClaw相關任務做了深度優化，適用于企業級的多步驟、強工具依賴場景。

在Claw相關任務上，據了解SkyClaw-v1.0已經可以和Claude Opus 4.6這個級別的閉源頂流模型正面過招。

能和Opus 4.6相提并論，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是真愛玩游戲（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么玩起來了——

前進、后退、跳高拿金幣，全程絲滑不卡頓。

覺得游戲只是炫技？再來一個正經干活的。

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。

這種多個模塊聯動的界面，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，這些行情數據是模型自己模擬生成的，不是真實數據。

但這反而是重點。SkyClaw-v1.0干的活是從零搭架子——界面、組件、交互邏輯，一次性把代碼給你寫完。開發者只需要接上真實數據，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，復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，比如批量API調用、輕量級自動化流程。

發現沒，自從模型進入Agent時代后，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，那么你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。

而且發布期還疊加了限時免費，對，你沒看錯，免費。

更離譜的是后手——試用期結束后，昆侖萬維計劃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，后面還有開源兜底。

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。

怎么上手？就這么開箱即用

到這里，本“既要又要黨”已經心中大致有譜了，接下來只干一件事：

自己跑一把，畢竟是騾子是馬總得要拉出來遛遛。

怎么試呢？總結起來目前有兩條路：

最快的方式，就是直接去天工Skywork平臺（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。

想深度集成的，那就走API（API目前免費中）。免費注冊一個APIFree賬號，拿到API Key就能調用，接口兼容OpenAI格式，支持流式輸出、工具調用、多輪對話。對已經在用OpenAI接口的開發者來說，基本就是換個baseURL和model名的事。

（P.S. APIFree是昆侖萬維自家的模型聚合平臺，支持調用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”一只電子桌寵，既能打工還能陪我摸魚那種。需求大概是這樣的：

一只小貓，能在屏幕上隨機溜達，點擊會說打工人語錄，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。

只見提完需求后，SkyClaw-v1.0就直接在Skywork平臺里開干了，等我刷完短視頻回來，發現它已經把整套源代碼文件全部生成完畢。

再一看成品，小貓是SVG漸變繪制的，粉色身體、三角形耳朵、大眼睛，還挺可愛。

右鍵打開Focus Mode面板，番茄鐘支持25/45/60分鐘三檔，下面是任務清單和健康提醒模塊。倒計時結束后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任務欄的桌面應用。

而更讓我驚喜的是，做完之后它主動彈出了一個IM連接面板，支持Skywork App、飛書、Slack、Discord、Telegram等七種聊天工具直連。

也就是說，后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里和我互動。

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，提煉趨勢信號，最后生成一份可交互的周報頁面。

結果你猜怎么著？這事兒還真讓SkyClaw-v1.0干成了。

前端就不用多說了，UI和功能布局一目了然。

關鍵是后端，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，還自己整出了一條信息處理流水線。

前面從RSS、GitHub、HuggingFace、網頁四個渠道自動抓數據，中間做清洗、分類和趨勢分析，后面自動生成周報，最后用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板塊，最后是按分類展開的詳細報告。

我試了下，分類中的每條鏈接都可以打開并跳轉，這說明數據是真實抓取的，不是模擬生成的。

當然最讓我心動的依舊是最后一步。做完之后，它提示我可以把這個系統設置為定時任務，比如每周一早晨自動運行抓取和分析腳本，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、寫代碼到打包，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——后端、數據庫、信息抓取、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置成Skill。

從開發到復用，能看到昆侖萬維已經有意在Agent模型中構建完整的工作流閉環。

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。

怎么做到的？原生為Agent設計的訓練范式

至于SkyClaw-v1.0模型到底怎么做到的？

昆侖萬維這次也沒藏著掖著，項目主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優化。

最典型的就是工具調用，現在很多模型聊天挺聰明，但一到真干活就開始掉鏈子——

參數傳錯、步驟漏掉、格式寫崩，一個失誤后面全亂套。

SkyClaw-v1.0就想了，既然Agent天天要調工具，那干脆從訓練階段就把模型泡在Agent環境里。

于是它在mid-training階段就塞進了大量復雜Agent任務，讓模型從底層開始適應“調用工具”這件事，而不是后面再臨時補課。后面再用針對OpenClaw任務的高質量數據繼續強化，多步驟工具調用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環境里反復訓練，讓模型學會在超長任務鏈里穩住狀態。

說白了，不是實驗室里刷benchmark，而是真拿去干活練出來的。

還有一點也挺關鍵。

很多Agent模型在自己熟悉的框架里猛得不行，一換環境立刻拉胯。

于是SkyClaw-v1.0干脆在訓練階段就把OpenClaw、Claude Code、Hermes、Nanobot這些主流環境全覆蓋了，相當于提前做了一遍“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：昆侖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干活。

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，昆侖萬維就上線了SkyClaw產品，基于開源架構OpenClaw重構，做的是全天候云端AI助理。

隨后的3月，它又在GitHub和Clawhub鋪了首批6個官方Skill：PPT、文檔、表格、設計、搜索、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：

先搭平臺，再鋪Skill生態，最后把底層模型的性能和成本一并解決。

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，昆侖萬維瞄準的顯然不只是一個模型，而是一整套Agent工作生態。

這背后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，如果沒有平臺承接、沒有Skill沉淀、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。

其實回看昆侖萬維這幾年做的事，有一條線挺清晰的：把AI技術盡可能帶給更多人。

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更干脆，直接做成模型聚合平臺，國內外主流模型一個賬號全搞定。

說實話，這種做法在行業頭部玩家里的確不多見。畢竟大部分平臺，本質上還是希望把用戶圈在自己生態里。

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，至少昆侖萬維先給大家打開了一扇門。

項目主頁：
https://skyworkai.github.io/skyclaw/
模型介紹與完整評測數據：
https://www.apifree.ai/model/skywork-ai/skyclaw-v1?tab=info
API文檔：
https://www.apifree.ai/model/skywork-ai/skyclaw-v1?tab=api
https://www.apifree.ai/model/skywork-ai/skyclaw-v1-lite?tab=api