5月9日至12日，開源AI智能體框架Hermes Agent（別名「愛馬仕」）連續三天反超OpenClaw（別名「龍蝦」），登頂全球大模型社區OpenRouter（開放路由器）智能體調用量榜首。

「愛馬仕」調用量反超「龍蝦」。

　　最新數據顯示，「愛馬仕」累計詞元消耗量超過6.72萬億，接棒OpenClaw掀起全球「養馬熱」。

　　目前，OpenRouter平台智能體調用量排行榜的前三名智能體分別是「愛馬仕」「龍蝦」和Kilo Code（基洛代碼）。而這三個智能體調用的基座模型，「愛馬仕」調用量排行榜前五名中，有兩個席位被上海基座模型佔據，分別來自MiniMax和階躍星辰；「龍蝦」調用量排行榜中，上海兩大基座模型曾先後登頂，也來自MiniMax和階躍星辰；Kilo Code調用量排行榜的前三名全部由上海基座模型包攬。

　　業內人士認為，在追求「詞元效率」的當下，高兼容性和協同能力，將成為大模型競爭的關鍵。

「養馬」先機

　　與OpenClaw類似，「愛馬仕」也是一款開源AI智能體框架，可部署於電腦本地或雲端服務器運行，支持用戶自主選擇大模型和聊天工具進行交互，並能自動獨立完成複雜任務。與其他智能體不同的是，「愛馬仕」完成複雜任務後，會自動從中提煉出可複用的Skills（技能），在後續使用中按需加載，並根據新的反饋不斷自我改進。

　　這相當於，「愛馬仕」是一個會自學的AI助手。

　　早在「愛馬仕」嶄露頭角時，MiniMax和階躍星辰便率先接入支持，推出MaxHermes等相關產品，搶佔了第一波「養馬」先機。如今，這兩大基座模型依然位列全球排行榜前五，且調用量仍在持續增長中。

　　「與其說是‘適配’，不如說是上海基模對智能體時代提前作出精準判斷。」階躍星辰首席技術官朱亦博認為，要發揮「愛馬仕」等智能體的最大功能，離不開更聰明、響應迅速、成本可控的大模型。最新基模Step 3.5 Flash恰好具備推理速度快、工具調用能力強、勝任複雜長鏈條任務等優勢，兼顧成本和效能，把推理速度和智能水平做到最佳。

　　MiniMax的策略也頗為相似。MiniMax產品負責人認為，長時間穩定運行、高頻工具調用和複雜指令遵循是智能體共同的基礎需求，也是最新模型持續優化的方向。

「霸榜」前三

　　在OpenRouter的調用排行榜上，除「愛馬仕」和「龍蝦」外，排名第三的Kilo Code智能體調用量緊隨其後，遠超第四名，潛力不容小覷。在Kilo Code的調用量排名中，上海大模型更是霸佔前三：第一名階躍星辰Step 3.5 Flash、第二名稀宇科技MiniMax M2.5、第三名螞蟻百靈Ling-2.6-1T。

上海大模型「霸榜」前三。

　　與「愛馬仕」等通用智能體不同，Kilo Code是一個專業編程智能體，用戶目標單一，就是寫代碼。

　　「開發者的核心訴求是代碼生成準不準、工具調用穩不穩、多步任務能不能跑完、成本劃不划算。」螞蟻百靈大模型技術專家表示，為成為複雜工作流中的核心模塊，百靈大模型在指令執行、工具適配、長上下文承接和工程任務處理能力上都做了系統優化。

　　據悉，為了差異化競爭，百靈大模型在訓練過程中沒有「求大求全」，而是專攻編碼賽道。「在國際公認的多款代碼和工具調用排行榜中，Ling-2.6-1T達到開源第一梯隊水平，這是開發者願意用的基礎。」該技術專家解釋。

　　上海市人工智能協會祕書長鍾俊浩也認為，上海大模型在OpenRouter等全球模型社區屢獲佳績，除了常規的性價比之外，國際化和開源策略也起到關鍵作用。上海大模型在亞馬遜雲、谷歌雲等國際主流雲服務的工程任務中表現良好，開源帶來了豐富的開發者生態，把大模型的選擇權交給開發者，反而讓開發者更願意使用。

持續「進化」

　　AI智能體從「生成」走向「行動」，也對模型性能提出了更高要求。當前，多智能體協作趨勢明顯，不同模型會被同時調用，兼容性成為大模型調用量的關鍵指標之一。目前，MiniMax和階躍星辰等上海大模型均高度兼容國際主流智能體框架，開發者接入成本低。

　　「即便單個智能體準確率只有60%，只要智能體數量足夠多且犯錯方向不一致，集成系統後的綜合準確率可以迅速逼近100%。」北京智源人工智能研究院倪賢豪認為，如今智能體時代正從「單體智能」走向「群體智能」，關鍵不僅在於單體模型性能強弱，更在於智能體連接協作的效率和規模。

　　從OpenRouter排行榜可以看出，智能體效率正成為上海大模型的核心競爭力。

　　比如MiniMax M2.7可實現自我「進化」，基於多種工具完成高度複雜的生產力任務，原生支持多種主流智能體框架。階躍星辰新一代圖像生成編輯模型Step Image Edit 2，參數量僅為35億，但實際表現不輸於200億參數的同類大模型，生成圖片僅需0.5至2秒。螞蟻百靈Ling-2.6-1T完成Artificial Analysis評測僅需1600萬輸出詞元，同類模型則需要5000萬以上，也顯示了突出的詞元效率。

　　「要想讓每分詞元都花在刀刃上，如今的大模型仍需繼續優化。」螞蟻數科技術專家謝辛表示，在智能體時代，大模型還需要進一步降低詞元消耗，保證結果交付的效率和可靠性。朱亦博也表示，下一步，階躍星辰將強化模型的工具調用與長程任務執行能力，進一步提升複雜智能體任務的完成精度，同時推出不同尺寸的完整模型矩陣，兼顧多種場景的智能體驗與性價比需求，適配多元化終端與應用落地。

（文章來源：上觀新聞）