摘要：Agent 的普及不一定取决于最强模型继续变强，而取决于中档模型是否足够稳定、便宜、可规模化。Sonnet 系列的价值正在于把智能体能力推向更高频的工作层。
大模型行业过去一直被“最强模型叙事”牵着走。
谁的推理更强，谁的代码能力更好，谁的数学题得分更高，谁的上下文更长，谁就更容易成为焦点。每次旗舰模型发布，排行榜、测评和价格表都会被重新翻一遍。
但 Agent 的普及，未必靠最强模型再强一点。更关键的问题是：中档模型能不能变得足够好、足够便宜、足够稳定，稳定到企业愿意把它放进日常工作流里。
这就是 Claude Sonnet 5 值得关注的地方。它传递的信号不是“又一个模型更强了”，而是中档模型正在进入 Agent 的能力区间。Agent 不再只是旗舰模型的昂贵演示，而开始有机会成为大量岗位可以持续调用的工作能力。
Agent 和普通聊天模型的成本结构完全不同。聊天模型完成一次问答，消耗通常有限；Agent 完成一个任务，往往要理解目标、拆解步骤、调用工具、读取文件、运行代码、浏览网页、修正计划，再把结果整理成产物。一次任务可能包含多轮模型调用和多个工具链路。
如果每一步都依赖最贵的旗舰模型，效果可能不错，但成本和延迟很快会压住应用。尤其在企业里，一个部门可能有几十个智能体，一个公司可能有上千名员工同时使用，后台任务还会持续运行。全量使用顶级模型，并不是一个现实的规模化方案。
所以，Agent 真正普及的关键词是“够用”。这里的够用不是低水平，而是在绝大多数真实任务里稳定完成目标：理解文档、正确调用工具、清楚解释结果、遇到错误能恢复、该停下时能停下。企业看重的不是智商上限，而是任务完成率、成本可控性和可复制性。
这会先改变个人工作方式。过去，人使用 AI 主要是在提问：写一段文字、解释一个概念、翻译一段内容、总结一篇文章。Agent 出现后，人开始交付一段任务：查资料、整理表格、检查代码、修改文档、生成报告。人从提问者变成任务定义者和结果审核者。
这种变化看似细微，其实会改变知识工作的节奏。以前一个任务需要在浏览器、文档、表格、终端、邮件之间来回切换；Agent 会把这些动作串成可执行流程。人不再只是调用一个工具，而是在管理一个智能执行过程。
第二层变化发生在企业自动化。传统 RPA 擅长规则明确的点击和搬运，大模型让系统具备理解能力，但如果缺少 Agent，AI 仍然停留在“给建议”。Agent 则让 AI 从建议走向执行，能够根据任务目标选择工具、处理异常、整合结果。
这意味着自动化从流程自动化走向认知自动化。销售线索筛选、招投标文件分析、研发文档整理、质量异常初判、设备日志分析，都不再只是固定规则脚本，而可能变成由智能体执行、由人审核的半自动流程。
第三层变化是软件形态。中档模型一旦能稳定驱动 Agent，软件就不再只是按钮和菜单的集合，而会变成“工具集合 + 智能调度层”。用户告诉系统目标，系统自动调用相应功能。未来的软件可能同时服务两类对象：一类界面给人操作，一类接口给 Agent 调用。
工业软件尤其会受到影响。工程师完成一个结构优化任务，可能要查历史案例、读图纸、调三维建模软件、跑仿真、比较结果、写报告、提交审批。过去这些步骤都靠人串起来。未来，Agent 会成为工程师旁边的数字协作者，负责大量重复性、资料性和初步分析性工作。
当然，工业 Agent 不可能全部依赖最高端模型。更现实的架构是分层：普通流程任务用中档模型，高风险和复杂推理交给更强模型，关键结果由人审核。这样成本、速度和风险才有可能同时控制住。
Claude Sonnet 5 的意义就在这里。它提醒我们，Agent 普及的拐点不是最强模型又强了一点，而是足够好的模型开始便宜到可以大规模工作。未来企业真正需要的，未必是少数几个超级 Agent，而是成百上千个专业、稳定、低成本、可监管的岗位 Agent。