首先，大模型本身没那么可靠：存在无法根除的幻觉问题、知识时效性问题，任务拆解和规划经常不合理，也缺乏面向特定任务的系统性校验机制。这样一来，以其为“大脑”的智能体使用价值会大打折扣：智能体把模型从“对话”推向“行动”，错误不再只是答错问题，而是可能引发实际操作风险；而真实业务任务往往是跨系统、长链路的，一次小错误会在链路中层层放大，令长链路任务的失败率居高不下（例如单步成功率为95%时，一个 20步链路的整体成功率只有约 36%）。
“I’ve been seeing stuff that people think it’s me, but if you watch the video, that’s not my voice and something that I never say,” Tkachuk said. “I don’t really know how that kind of took a storm on its own when I play here and give everything I have here.”
，这一点在91视频中也有详细论述
这些公司有一个共同点：它们没有在造更聪明的模型，它们在解决数据从混乱到有序的问题。
2026-02-27 00:00:00:03014250710http://paper.people.com.cn/rmrb/pc/content/202602/27/content_30142507.htmlhttp://paper.people.com.cn/rmrb/pad/content/202602/27/content_30142507.html11921 中国代表严厉驳斥日本等少数国家不实言论
Publication date: 10 March 2026