一年前，Ethan Mollick 的 AI 使用指南还在回答一个熟悉的问题：ChatGPT、Claude、Gemini，谁聊得更好？
当时的重点是 o3、Claude 4 Opus、Gemini 2.5 Pro，以及适合复杂检索的 Deep Research。如今，新版指南换了主角：能操作电脑、连续执行长流程任务的代理系统，被放到了更重要的位置。
变化很具体。ChatGPT 有 Work 和 Codex，Claude 有 Cowork 和 Code。Gemini 因为暂时没有一个已经站稳这类产品形态的入口，被 Mollick 移出了推荐名单。Google 正在推进的 Gemini Spark 还需要证明自己。
这只是一份个人指南，不是市场判决书。它不能证明 Gemini 的技术实力、收入或市场份额已经落后，更不能说明 Google 永久出局。但它准确捕捉到了 AI 产品竞争正在发生的位移：会回答，逐渐变成基础能力；能把事情办完，才开始拉开差距。
年度指南把聊天模型降成了配角
Mollick 对新一代代理的概括是：AI 可以一次完成“相当于人类数小时工作”的任务。
这句话描述的是产品形态，不是经过独立验证的效率数据。不同任务的成功率、返工成本和人工监督强度，指南没有给出统一基准。
但方向已经很清楚。
| 指南关注点 | 一年前 | 如今 |
|---|---|---|
| 主要比较对象 | o3、Claude 4 Opus、Gemini 2.5 Pro | ChatGPT Work、Codex、Claude Cowork、Code |
| 核心问题 | 哪个模型回答更好 | 哪个代理能连续执行任务 |
| 典型能力 | 对话、写作、分析、Deep Research | 使用电脑、调用工具、处理长流程工作 |
| 用户角色 | 提问者、审核者 | 授权者、监督者、验收者 |
| 主要风险 | 答错、编造、遗漏 | 误操作、权限过大、任务跑偏、数据暴露 |
这对知识工作者的影响，比一次模型榜单换位更直接。
过去，使用 AI 往往是把任务切碎：让它查资料、写一段代码、整理一个表格，再由人把结果拼起来。代理系统想做的是接过整段流程。人只给目标、资料和权限，AI 自己决定中间步骤。
开发者会最先感到这种变化。工具不再只补全几行代码，而是尝试读项目、修改文件、运行命令和检查结果。普通知识工作者也会遇到同一套逻辑：整理文件、汇总资料、生成报告或处理重复流程，都可能从“逐轮聊天”变成“一次交代，持续执行”。
收益很诱人，代价也随之放大。聊天机器人答错一句，人通常看得见；代理改错一批文件，问题可能要到流程末尾才暴露。
Work、Codex、Cowork、Code，名字比能力更难懂
Mollick 特别提醒了一件很现实的事：ChatGPT 和 Claude 的代理命名没有清晰对应关系。
ChatGPT 用 Work、Codex，Claude 用 Cowork、Code。四个名字看似可以两两配对，实际并不能。更麻烦的是，同一个名称放在移动端、云端环境和桌面应用里，权限与能力还可能不同。
| 产品入口 | 所处环境 | 材料中明确提到的差异 |
|---|---|---|
| ChatGPT Work 移动端 | AI 公司提供的代码解释器容器 | 开启后，容器可以访问互联网；这不等于接管手机 |
| ChatGPT Work 桌面端 | ChatGPT 桌面应用，可获授权访问电脑 | 更接近 Codex 的易用外壳，能力明显不同于移动端 Work |
| ChatGPT Codex | 桌面代理模式 | 可在授权范围内使用电脑，更偏向代码与任务执行 |
| Claude Cowork | 云端或桌面应用中的代理入口 | 同名入口在不同环境下能力可能不同 |
| Claude Code | Claude 的代理模式之一 | 名称无法与 ChatGPT Codex 简单一一映射 |
这里最容易产生误解的是 ChatGPT Work。
手机上从 Chat 切到 Work，主要变化是代码解释器容器获得互联网访问能力。它并没有因此获得操作手机的权限。桌面应用里的 Work 则更接近一个降低使用门槛的 Codex 外壳，可以在用户授权后接触电脑环境。
同名，不同能力。对普通用户很不友好。
产品团队或企业采购也会为此多付一笔隐形成本。内部培训不能只写“请使用 Work 模式”，还得标明设备、应用版本、账号开放情况和授权范围。否则同事在手机上看到 Work，以为与桌面端是同一套能力，流程很快就会乱掉。
具体可用平台、套餐和账号开放范围，仍应以各产品当下的官方页面为准。这类代理功能常采用分批开放，同一个名字出现在界面里，也不代表每个账号拿到完全相同的权限。
下一轮胜负，要看交付，也要看谁能藏住复杂性
我认同 Mollick 指南的方向，但不赞成把它读成“Google 已经输掉代理竞争”。
目前能确认的，只是 Gemini 缺少一个已经被这份指南认可、可以与 Codex、ChatGPT Work、Cowork 放在同一栏里的成熟入口。Gemini Spark 尚待验证。Google 有模型、浏览器、办公软件和移动操作系统，这些资源仍可能帮助它追赶；资源能否变成一个稳定、清楚、敢让用户授权的产品，是另一回事。
模型能力与产品化速度，从来不是同一张成绩单。
更值得批评的是 OpenAI 和 Anthropic 自己。它们跑到了代理产品前面，却把内部技术分层直接暴露给用户：Work、Codex、Cowork、Code，再叠加移动端、桌面端和云端环境。用户本来只想处理一份资料，结果先要研究产品命名学。
个人电脑从 DOS 走向图形界面时，真正扩大用户规模的不是命令变多，而是复杂命令被图标和窗口藏了起来。今天的代理系统也要过这一关。不过两者并不完全一样：图形界面点错一个图标，影响通常有限；代理拿到文件、终端和网络权限后，一次误判可能连续执行很多步。
所以，代理产品不能只追求“自主运行更久”。可靠性必须包含可暂停、可回退、权限可分级、过程可查看、结果可验收。没有这些约束，所谓数小时自动工作，也可能变成数小时自动制造返工。
如果你准备把代理接入日常工作，最现实的做法不是立刻迁移全部流程，而是挑一个低风险、可复核的任务试用：
- 只授权完成任务必需的文件夹和账号。
- 先用副本、测试项目或非敏感资料。
- 要求代理保存过程记录，并明确列出修改内容。
- 把“任务完成”定义成可检查的交付物，而不是一段口头汇报。
- 涉及删除文件、发送消息、提交代码或对外发布时，保留人工确认。
真正需要观察的也不是下一次模型跑分。要看代理能否稳定完成同一类任务，失败后能否恢复，以及普通用户是否能在不读说明书的情况下搞清权限。
“工欲善其事，必先利其器。”今天还得补半句：器若难驭，锋利反成负担。AI 代理已经开始干活，但谁能让它少添乱、易交付，谁才真正拿到了下一张入场券。