最近，AiPy官方发布了《大模型适配度测评第二期报告》。本次报告中我们能够看到，Claude Opus 4这匹新晋黑马强势突围，位居榜首；Claude Sonnet 4紧随其后，评分领先；国产大模型Doubao Seed 1.6表现依旧亮眼。

本次综合评分的评估在过往测评维度上新增“执行轮数”与“Token消耗成本”两个维度，并应用于系统分析、可视化分析、数据处理、交互操作和信息获取五大核心应用场景。

不难发现，在评估维度评测的五大任务场景中，有一个场景的评分显现出较大的两级分化，那就是交互操作能力，透过热力图与雷达图可以清楚看到，该能力甚至直接影响了最后的评分排比，交互操作类任务仅Claude系列和Doubao Seed 1.6经受住了挑战，而这三个模型分别位列综合评分前三。

这是否意味着，衡量一个AI的价值天花板，正在发生变化？

01

什么是智能体的交互操作能力？

结合Auto-GPT 与 Agent 架构中对“操作环境”的描述以及AiPy、Autogen等框架中的衡量指标来看，交互操作能力指的是：AI 在理解用户意图后，能否代替用户完整并实际地执行一系列操作。如执行从打开文件、编写代码、到调用软件或终端完成任务并返回结果的全过程。

比如用户给出指令“把一份 Excel 表格里的“销售数据”汇总，并生成一个可视化图表”。

没有交互操作能力的智能体会回答：

它只是告诉你该怎么做，不能帮你真正做。

而有交互操作能力的本地智能体会回答：

它会自动打开文件、读取数据、生成图表、输出结论，全流程代劳，无需用户点击操作或切换软件。

这个能力，本质是让 AI 从语言助手变成行动者，它能像一个真实的虚拟助理那样，替你动手干活，而不仅是出主意。

02

Claude & 豆包，为什么能“抗事儿”？

Claude 背后的优势，是 Anthropic 对 Agent 架构的持续投入，包括Auto100等基准测试、自动行动规划等。这使其能够实现工具并行调用与MCP协议集成。

一方面，它支持同时调用多个API工具，如数据库查询+网络搜索+文件处理；另一方面它通过标准化协议连接外部工具，如GitHub、Slack、Canva，实现“一键接入”工作流，无需手动配置集成。

而DoubaoSeed 1.6则兼具了原生多模态思考和图形界面操作的能力。其能够支撑底层融合文本、图像、音频等多模态信息的联合推理。例如，上传商品图片后，语音提问“找出所有红色鞋子并对比评价”，模型可同步解析视觉内容并检索知识库生成报告。

此外，它能够基于视觉定位技术精准识别UI元素，实现跨应用自动化。如从Excel读取数据→登录CRM系统录入→生成邮件报告，全程无需人工干预。

以上可能说明了一个趋势：交互操作能力，正在成为大模型实现突破的关键入口。

03

打造“能动手”的AI产品，要具备什么？

仅有强模型是不够的。可以观察到，像 Claude 和豆包这样的“动手型”智能体，背后还有一个共同点：

它们拥有稳定、开放、细粒度的能力调度机制。

在中国，目前一些基于本地部署能力 + 自定义工作流 + 多模态输入 + 插件生态的产品，开始形成这样的趋势。

比如实施测评的本地智能体AiPy ，就可以完成自动化文档分析、图谱生成、文件调用等任务，已展现出“行动者”的声势。

可以想见，智能体时代，拼的不再是谁“说得好”，而是谁“干得快、干得对”。

这次测评给我们提了一个醒：

未来AI能不能落地，或许核心更偏向于“操作力”而不是“想象力”。

而接下来的关键，或许是谁能真正让这些“能动手”的能力，普及到每个用户的桌面上。