最近，奥特曼在X上发了一段话，全网刷屏了。

ChatGPT Work太猛了，Work这个名字都配不上它。

他说自己从手机上发了一句话——翻聊天记录找旅行灵感、规划三个方案、做个全栈网站让九个朋友投票、投完自动订酒店、写好邮件等他发。

然后……它就做完了。

这还只是一个Agent干出来的。那如果直接给你一群，又会有什么样的效果呢？

7月28日，360正式发布纳米Work。

它不仅接入了当下所有主流的Agent框架，而且还有1000多个模型、500多个专业智能体，覆盖战略、市场、增长、内容、视觉、研发、经营、合规八个应用方向。

你只需告诉它：目标是什么，何时要完成，预算是多少。剩下的，系统自己会去拆解分配。

内部核算下来，1块钱的AI消耗，大约能换回72块钱的人类产出。

只派一个人，干完八份活儿

举个例子，一家年营收8000万元的便携储能公司，准备在9月进入东南亚，首站选在泰国。

放在过去，这不是一个人的任务。

市场规模和渠道要查，六家竞品的价格与差评要扒，定价和毛利要算，品牌、主视觉、落地页和泰语投放脚本也要一起准备。最后还得把所有结论装进一份老板能直接看的PPT。

但如今，纳米Work可以让一个人，把这些活儿全接了。

输入要求之后，它没有立刻开始写报告，而是先生成了一张生产方案：

八份交付物分别由谁负责、哪些可以同时开始、哪些必须等前面的结论出来，全都排好了。

每一个交付物配一位AI负责人：东南亚市场研究员、竞品分析师、定价财务分析师……各自领走具体任务。

第一阶段，市场研究、竞品拆解和合规排查三个Agent并行开工。

这里最有意思的，是几个Agent竟然会互相改作业。

合规Agent查出TIS标准编号和7公斤重量上限等风险后，把意见发给市场研究Agent。

后者随即更新了市场报告，一共修正7处标准编号，并补进对应的风险章节。

市场策划和视觉设计之外，纳米Work把编码也承包了，直出一个HTML页面。

顺便，向老板汇报的PPT，它都做好了。

最后它生成一份复盘表：每个Agent花了多长时间，哪一项失败了、又是怎么补上的，全记在上面。

从下需求到八份东西齐活，自己只做了两件事：把要求说清楚，然后验收。

用户管项目，后台调引擎

从上面的例子不难看出，一个项目里往往同时混着搜索研究、内容创作、视觉设计、代码开发、工具操作和持续跟进。

这些工作对AI的要求并不一样。有的需要深度推理，有的需要多线程并行，有的需要跨设备协作，还有的需要记住前面的结论，反复迭代。

为此，纳米Work把市面上主流的引擎，全部接了进来。

复杂、长程、需要不断推理的任务，Claude Code更合适；需要高吞吐、多线程铺开的，Codex更擅长；涉及多设备协同，可以交给龙虾；需要持续记忆、反复迭代的任务，Hermes更顺手；到了规模化并发和稳定治理，纳米蜂群再接上。

用户不需要认识它们，更不用自己选择。

纳米Work会根据任务自动调度：谁合适，谁上。如果以后出现更强的引擎，也会直接接进来。

而且，换引擎不等于从头再来。

项目记忆、专业技能、训练好的专家和历史任务都保留在纳米Work里。底层换了谁，之前积累的东西不会丢。

不用再追着新模型搬家了

引擎决定一项工作怎么干，模型决定每一步用什么脑子。

这两件事，纳米Work都没打算让用户操心。

过去这一年，只要你想一直用着当下最好的模型，多半干过这种事——

注册账号，开一份会员，把资料重新喂一遍。没过几个星期，又有更强的模型冒出来，于是换个平台，再来一轮。

钱花了不少，真正麻烦的却是反复搬家。

而纳米Work，直接把追新这件事给包了。

简单来说就是，它再每个账号背后挂了1000多个大模型底座。而且只要有新模型出来，就会在第一时间同步进去。

真到干活时，也不用亲自挑模型。

纳米Work会根据任务自动分配：复杂问题交给推理能力强的，简单任务用速度更快、成本更低的，专业问题则交给更擅长相应领域的模型。

当然，你也可以自己指定。

除了模型数量拉满之外，纳米Work还准备了三种干活方式供你选择：

简单任务，选择撸起袖子加油干，边想边做，分钟级拿结果；

复杂任务，先谋定而后动，把目标、步骤和风险想清楚再执行；

遇到超长任务，就到不达目的不罢休，持续循环、检查和修订，直到完成或者触发停止条件。

为了看清模型调度，我们又给了纳米Work一项跨模态任务：为昼夜咖啡完成品牌主题、核心口号、三张不同比例的海报和一条15秒宣传视频，并要求图片、视频使用同一套产品外观和视觉语言。

需要用到的海报，它会调用Seedream 5.0 Pro生图模型去完成。

与之匹配的宣传视频，它又会调用Seedance 2.0 Fast去执行。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8v9lXtDwie7