当下，AI大模型的竞争早已不局限于单纯的参数榜单，而是从“会聊天”转向“能办事”，从“比模型”转向“比场景”。然而，《Build for the Future 2025》全球研究显示，在调研全球1250多家企业后，仅5%的公司实现了AI价值的规模化应用。Gartner数据也显示，截至2025年底，嵌入真正AI Agent的企业应用占比不足5%。

　　胡延平观察到，大模型和智能体正从对话走向任务，从预训练走向持续学习，从数据语料走向持续多维的现实感知。“预测世界杯这类探索项目会加速这个进化过程。未来行动智能体所需要的能力体系，也是在走向‘感知－交互－决策－协同’这个方向。”

　　不过，王岩坦言，世界杯预测可以成为Agent能力的公开压力测试，但不能自动证明Agent能力提升，大模型在这场押注中训练和检验的是长任务组织、概率校准和用户交互能力。

　　“Kimi的300个Agent代表分析覆盖面增加，不直接代表预测准确率提升。相关Agent任务Token消耗研究显示，同一任务的Token消耗可相差几十倍，更多Token并不必然带来更高准确率。同样，相关Prediction Arena研究也显示，多个前沿模型在Kalshi真实预测市场57天交易测试中最终收益为-16.0%至-30.8%，研究量与结果没有相关性。”王岩向每经记者进一步分析道。

　　正如王岩所言：“当前Agent的最大缺口，正在从‘能否给出合理计划’转向‘能否稳定完成长周期真实任务’。”这意味着，谁能率先落地“实战能力”，谁就将有机会在愈发激烈的争夺赛中脱颖而出。

　　来源：每日经济新闻