国产巨头追赶Claude Code，阿里/腾讯/字节都聚齐了

过去半年，要说AI行业最清晰的主线，那一定是Agent产品——Claude Code、Claude Cowork、Codex这些，基本已经成了赛道里的风向标。

6月30日，Anthropic低调推出了Claude Science，一个面向科学家的AI工作台。你没看错，科学家专属。

图片来源：Anthropic

Anthropic的思路越来越清晰了：先让Agent搞定代码（Claude Code），再让Agent处理办公任务（Claude Cowork），最后切入科研这种更复杂的专业场景（Claude Science）。这三步走下来，Agent的适用边界从程序员一路拓宽到知识工作者。

有意思的是，Anthropic正是观察到市场、数据等非技术团队开始绕过聊天界面直接使用Claude Code，才决定给它套上一个图形界面，这就有了Claude Cowork。说白了，用户用脚投了票，产品就顺着长。

而在底层模型持续迭代的同时，国产AI在Agent产品上的追赶很多人可能并不清楚。阿里、腾讯、字节、Kimi、MiniMax、智谱，各家都在做Agent，基本也都跟着Anthropic划分了Code和Work两类产品，但侧重点各自不同。所以在模型能力还没有全面压过海外顶级产品之前，国产AI能不能靠更便宜、更开放、更贴近本土工作流的Agent产品，先把更多国内用户带向“Agent工作我指挥”的新工作方式？盘点一下，试图给出答案。

腾讯WorkBuddy：要做更多人的办公入口

腾讯WorkBuddy可能是国内知名度最高的Agent产品了，毕竟不少人在微信上刷到过它的广告，也在“龙虾潮”那阵子安装尝鲜过。不过除了WorkBuddy，腾讯还有一个面向开发者的CodeBuddy，基本上对应了Claude Cowork和Claude Code。

腾讯内部已经把它用在了研发和非技术团队中。官方披露，CodeBuddy覆盖了腾讯超过95%的工程师，WorkBuddy则用于人和AI混编开发，帮助小团队更快迭代产品。

图片来源：腾讯

CodeBuddy这里不展开细说。相比代码开发，WorkBuddy面向更宽的生产力场景——文档处理、内容整理、协作任务和泛办公需求。腾讯的优势也恰恰在这里：WorkBuddy可以充分利用腾讯文档、腾讯会议、ima知识库、腾讯乐享以及微信的生态优势。很多个人用户的材料、会议纪要、待办和沟通，本来就散在这些地方。所以很多人使用WorkBuddy的一个重要原因，就是它可以直接接住日常的“上下文”，然后帮忙整理内容、生成文档、推进任务。

Kimi Code/Work：把长文本塞进Agent工作流

面对Agent的浪潮，月之暗面是最近一批推出相应产品的大模型公司，也分成了Kimi Code和Kimi Work。Kimi Code已经进入CLI和IDE，能读写文件、执行命令、搜索代码、获取网页内容，也能为并行任务生成subagents；Kimi Work则面向本地工作流，可以挂载本地文件夹，通过WebBridge浏览网页，运行Python，执行定时任务，并在修改文件或运行代码前要求用户确认。

图片来源：Kimi

过去很长一段时间，Kimi给普通用户留下的最深印象就是“长文本”——读论文、读财报、读几十页PDF、整理一大堆网页材料，这些本来就是Kimi最容易被用户感知到的能力。到了Agent阶段，Kimi要做的事情也很自然：不只是读完材料回答问题，而是继续帮用户处理文件、跑脚本、改代码、生成结果。如果说Claude Code和Codex的强项在于代码任务闭环，那么Kimi更值得关注的，是它试图把“长文本阅读”的优势变成“长程任务”的优势。在Kimi Code和Work里，Agent集群也是一个绕不开的设计——按官方说法，应对复杂问题时，Kimi可以自动协调多个专业智能体，同时分解并解决多层次任务。

另外，为了吸引金融用户，Kimi Work还预集成了A股、港股和美股的深度数据源。这些，可以说都构成了Kimi Code和Work的差异化体验。

阿里Qoder：从通义灵码，长成一套桌面Agent

阿里Qoder有点特殊。它不是从零开始冒出来的新产品，而是从AI IDE产品（通义灵码）经过几轮迭代逐渐转变而来，并衍生出了Qoder Desktop、QoderWork、QoderWake、Qoder CLI、Cloud Agents等系列。

图片来源：阿里Qoder

核心还是Qoder Desktop和QoderWork两个产品。Qoder Desktop面向软件开发场景，更接近Claude Code；QoderWork面向日常工作，负责文件整理、数据处理、文档生成、浏览器自动化、桌面控制、定时任务这类日常事务，定位接近Claude Cowork。QoderWork把Agent能力从代码搬到普通工作里。作为一款桌面端智能工作助手，它可以通过自然语言完成文件整理、数据处理、文档生成，也能连接办公工具、操控浏览器和电脑；它还支持定时任务，适合每天拉数据、写周报、整理月度材料这类重复但不能漏的工作。

从产品设计来看，QoderWork除了“通用”模式，还专门给出了“设计”“幻灯片”“写作”模式，在面向实际用户场景上明显有所侧重。但除此之外，目前还没有看到太多其他的特色和优势。

MiniMax Code/Agent：模型与Agent垂直整合

和前面几家一样，MiniMax分别推出了MiniMax Code和MiniMax Agent两个产品。值得一提的是，随着6月新一代大模型MiniMax M3的发布，MiniMax Code也迎来了一轮大更新——按官方说法，这是专为M3设计、并与M3一起训练的Agent产品。

图片来源：MiniMax

简单来说，MiniMax Code能够充分发挥M3在长上下文、Coding/Agentic、原生多模态方面的能力，是搭配MiniMax-M3的首选Agent。体现在长程任务上，MiniMax Code会将任务拆成Workflow，由Agent集群协作，通过Producer + Verifier的对抗式Harness循环自主运行。事实上，Claude Code也推出了类似策略的Dynamic Workflows，但MiniMax Code更聚焦于“深度反思与持续纠错”——Agent会根据任务进展实时调整方案和优先级，用户也可以随时介入，追加需求或修正方向。

至于MiniMax Agent，实际更早就尝试挑战长程任务。在5月更新中上线了Mavis模式，利用多Agent协作的方式，包括和Codex类似的随时介入Agent思考和工作的设计，可以说是6月MiniMax M3发布和MiniMax Code更新前的预演。

不过也得说，这条路最容易出现演示和真实体验之间的落差。长上下文不等于真的理解全局，多Agent协作也不等于结果一定更稳。角色越多、链路越长，中间任何一步跑偏，最后都可能放大成错误。

字节TRAE Work：从AI IDE走向通用工作台

严格来说，TRAE（SOLO）最早被更多人认识，还是因为它是一款AI IDE，对标Cursor、Claude Code这类开发工具。但前不久升级推出的TRAE Work已经把边界往外推了一步，官方定位也很直接：不只编码。

按官方介绍，TRAE Work提供Web、Desktop和Mobile多端入口，兼顾本地与云端任务，且不依赖于TRAE IDE运行。用户在桌面端发起任务之后，Agent可以在云端或本地继续运行，多个任务也可以并行推进；离开电脑之后，用户还能在手机上查看进度、审查结果、继续调整方向。

图片来源：字节TRAE

另外一提，TRAE Work还分成Work和Code两种模式，你可以简单理解为字节的Codex，将Code、Work两个Agent产品合二为一。Code模式继续处理开发任务，Work模式则面向更通用的工作场景——资料整理、项目推进、网页操作、文件处理和内容生成。不同的是，Codex是真正的合二为一，TRAE Work则是以两种模式运行，需从不同模式入口进入。

这很字节。相比腾讯WorkBuddy借助微信、文档、会议这些生态上下文，TRAE Work更像一个面向个人和小团队的效率入口。它不一定要求用户先进入一套办公生态，而是先把“任务”变成核心单位：你只要把需求交给它，它就负责拆解、执行、反馈进度，用户在过程中随时介入。另外，TRAE还有一个值得注意的动作是开源Trae Agent——按GitHub页面介绍，Trae Agent是一个面向软件工程任务的LLM Agent工具包，支持文件编辑、bash执行、结构化思考和任务完成，也能接入多种模型供应商。

智谱ZCode：先把Code Agent这条线做深

相比其他家，智谱的路线要更集中一些。它没有急着把自己包装成一个通用办公Agent，而是明确先做开发者场景，推出了智谱ZCode。但和Kimi、MiniMax一样，瞄准了长程任务的难点和场景。这其实和很多国产Agent产品的思路不太一样——腾讯、阿里、Kimi、字节都在做Code和Work两条线，智泽却选择先聚焦一端。

值得一提的是，上月智谱发布惊艳行业的GLM-5.2时，还同步升级了ZCode 3.0，全面切换自研ZCode Agent内核，并深度适配GLM-5.2，针对长程推理、工具调用和大型工程执行链路做了优化。

图片来源：智谱

ZCode 3.0还围绕实际开发体验做了一些补强，比如分组式任务工作区、Zread项目知识库、可视化Git分支图谱等功能。这些听起来没有多Agent协作、长上下文那么性感，但都和Code Agent的稳定性有关：Agent要接手一个工程任务，首先得看懂项目、记住上下文，也要让用户看得清它改了什么、走到哪一步。

这条路的优势是目标清楚，短板也很明显——ZCode的用户盘子暂时不会像WorkBuddy或TRAE Work那么大，想象空间也更集中在开发者场景。但如果它能在复杂代码库、长程任务和工程验证上真正跑稳，反而更容易建立专业用户的信任。

国产Agent的机会，藏在足够的差异化里

把这些产品放在一起看，国产Agent并不是在用同一种方式替代Claude Code、Claude Cowork和Codex。阿里Qoder、字节TRAE和腾讯Buddy系列——大公司都在学Anthropic和OpenAI做Code + Work，但产品路径和重心明显不一样。而作为百模大战中活下来的大模型创业公司，Kimi、MiniMax以及智谱都更注重技术优势，尝试攻克“长程任务”这个Agent必经之路，也都在强调从模型到Agent的垂直整合。

不过最终看下来，国产Agent追的也不只是Claude Code、Claude Cowork或者Codex某一个产品，而是一种全新的工作方式：用户不再只问AI一个问题，而是把一件事交给AI，再在过程中审查、修正、接管、继续指挥。

相比海外产品，国产Agent的优势首先是更贴近本土工作流。Claude Code、Claude Cowork、Codex的产品完成度更高，开发者心智也更强，但它们毕竟更围绕海外用户的软件生态、办公环境和订阅体系展开。国内用户每天使用的工具和系统，很多时候是微信、腾讯会议、腾讯文档、钉钉、飞书、本地文件、国产模型和企业内部知识库。Agent如果接不住这些上下文，再强也容易停在演示和尝鲜阶段。这也是WorkBuddy、QoderWork、TRAE Work的机会——它们未必一开始就比Claude Cowork更聪明，但如果能更顺手地进入国内用户已经熟悉的办公、沟通和文件环境里，就有机会先把使用频率做起来。

另一方面，国产Agent普遍更愿意接入不同模型，也更愿意把能力开放给开发者和企业改造。对个人用户来说，这意味着可以在效果和成本之间切换；对企业来说，则意味着可以接自己的工具、权限、数据和业务流程。Agent不是一个单纯的聊天产品，它天然需要接工具、接文件、接系统、接工作流。越往真实业务里走，这种可控性越重要。

总而言之，国产Agent现在不缺方向——Code、Work、多Agent、长上下文、桌面工作台、云端任务、企业协同，地图已经摊开了。接下来真正要看的，是谁能稳定完成更多真实任务。用户第一次打开Agent，可能是因为好奇。但用户第二天、第三天还愿意打开它，一定是因为它真的省事。