奥特曼都惊了！一句话调500个Agent，一个人顶一家公司

新智元报道 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。 最终成品里，从金色到深蓝的渐变、 昼夜光线和产品罐型基本保持统一，系统也交出了一份模型调用清单，说明每一步用了什么模型、哪里发生了切换。 人可以下班，但活不会停 后台把引擎和模型分配好，接下来就该开工了。 除了本地环境之外，纳米Work还在云端给这些智能体配了一间办公室，浏览器、软件和工作文件都在里面。 有了它，很多原本需要人守着的事，也跟着变了。 7×24小时不眠不休 睡前把活交出去，第二天醒来，不用接着盯进度，直接验收结果。这一夜里，AI可以自己打开浏览器、查找资料，在授权范围内调用工具；中间哪一步失败了，也会自动重试。 不占用本地算力和存储 AI在云端隔离环境里执行操作，不直接接触你的电脑和核心文件。运行脚本、使用软件等容易出现风险的环节，都被限制在独立空间内。即使发生异常，也不会直接波及本机。 换一台设备，任务也能接着做 运行环境、工作文件和任务上下文都保存在专属空间里。换一台设备登录，任务还在继续，之前训练好的专家和积累的工作方式也都还在。 让AI干活，权限还得握在手里 但想放心让AI独自干活，还得保证一件事：它不能乱动文件、越过权限，更不能带走数据。 工作智能体直接操作文件、浏览器、账号和网络，一步走错，就可能改坏数据、发错消息，甚至泄露不该外传的内容。 这不是假设。过去一年，海外已经出过好几起「AI干错事」的事故。 SaaStr创始人事先反复交代代码冻结、不许碰生产库，第九天Replit的AI还是删了生产数据库，1200多条高管记录和1100多家公司资料一起没了； Meta的Summer Yue自曝OpenClaw完全失控，删掉了她两百多封邮件； 就在上周，OpenAI也公开承认，内部测试的模型串联零日漏洞和窃取的凭据，突破沙箱入侵了Hugging Face的生产基础设施。 当AI从「回答问题」变成「替人行动」，安全就不能只靠模型自己说「我不会」，而要靠权限、环境和审计，把边界真正焊死。 市面上的通用智能体产品里，纳米Work可以说把安全做到了最极致的一档，「五道防线」全程跟着人的工作流走—— 云端隔离；云端存储；四重沙箱；技能白名单；360机房保护 接下来，看一个具体的办公场景。 晚上十点，一位销售运营把客户名单交给纳米Work，让它整理表格、给手机号脱敏，再生成一份第二天开会要用的客户跟进清单。 任务发出去，他就关掉了电脑。 Agent进入一台独立的云端虚拟机，浏览器、软件和工作文件都在里面。即使运行过程中出现异常，影响也会