周末浅浅谈一下～
GPT-5.6 的更新挺有意思。
这次不只是“模型更聪明”这么简单，像 Sol / Terra / Luna 分层、ultra mode 、subagents 、computer use 、coding / research 能力增强，其实都在说明一个趋势：大模型正在从单次问答，往更复杂的任务执行和 Agent 协作方向走。
但我自己在做企业 AI 应用相关项目时，感受比较明显的是：模型能力越强，企业侧反而越需要一个稳定的“接入层”。
因为真实项目里很少只用一个模型。
今天可能用 GPT-5.6 做复杂推理，明天用 Claude 做长文本分析，后天又想接一些开源模型、本地模型，或者把 Skills 、RAG 、Agent workflow 接进来。 如果每个业务应用都单独对接一遍 API ，后面维护会很痛苦。
我觉得企业 AI 应用真正麻烦的地方，通常不是“能不能调通模型”，而是这些问题：
- 多模型怎么统一管理？
- GPT 、Claude 、开源模型怎么快速切换？
- 不同任务能不能走不同模型？
- Token 用量和成本怎么统计？
- Agent 执行过程怎么留日志？
- RAG 召回和工作流怎么接在一起？
- 权限和私有化部署怎么处理？
- 后续模型升级时，业务应用能不能少改代码？
这也是我们最近在做 ZGI 的原因。
ZGI 已经开源两周左右，目前 GitHub 有 200+ Stars ，Gitee 也同步上线了。它不是一个单纯的聊天机器人壳子，更像是一个企业 AI 应用基础设施，主要做几件事：
-
知识库 / RAG 把企业文档、知识库、召回链路接入 AI 应用。
-
可视化工作流 把 Prompt 、知识检索、工具调用、条件判断、模型推理串起来，少写一些重复胶水代码。
-
Agent 执行和运行日志 Agent 不只是能调用工具，也需要知道它做了什么、哪一步出错、怎么回溯。
-
模型网关 统一接 GPT 、Claude 、开源模型和私有模型。后续像 GPT-5.6 这种新模型，也可以通过模型网关更快接入，而不是每个应用都改一遍。
-
私有化部署与权限控制 企业内部使用 AI ，很多时候数据安全、权限隔离、成本统计比 Demo 效果更重要。
我现在比较想听听大家的真实看法：
如果你们公司要接 GPT-5.6 / Claude / 开源模型，会倾向于每个应用自己接，还是统一走一个模型网关？ 做企业 AI 应用时，你觉得最卡的是模型能力、RAG 效果、工作流，还是私有化部署？
ZGI 现在可以在 GitHub / Gitee 查询到，也欢迎直接提 Issue 或拍砖。我们现在最需要的不是夸，而是真实开发者反馈。
Select Language