# 腾讯 Agent 全景图拆解：从混元 3.0 到 TokenHub，一张图看懂鹅厂的 AI to B 野心

> 腾讯云首次发布 Agent 产品全景图，升级 MaaS 为 TokenHub、开源底层平台 Cube、预告混元 3.0。老金带你逐层拆解这套'用 Agent、造 Agent、管 Agent'的全栈工程体系。

- 原文链接: https://laojin.blog/blog/20260328_tencent_agent_landscape
- 作者: 老金
- 发布日期: 2026-03-28
- 标签: 腾讯, AI Agent, TokenHub, 混元大模型, 云计算

---

昨天（3 月 27 日），腾讯云城市峰会首站落地上海。汤道生站在台上说了一句让我印象很深的话：

> **"AI 落地不只是一道算法题，更是一道工程题。"**

这句话之所以值得单独拎出来，是因为它代表了 2026 年 AI 行业最重要的认知转变——大模型的参数军备竞赛正在降温，**谁能用工程化手段把模型"套上脚手架"（Harness）跑起来**，才是真正的胜负手。

而腾讯在这场峰会上亮出的底牌，就是一整张 **Agent 产品全景图**。

今天，老金带你逐层拆解这张图。

![腾讯 Agent 全景图](/images/posts/20260328/01_agent_landscape.png)

---

## 先看全局：这张图到底画了什么？

腾讯云这次发布的全景图，核心逻辑可以用一句话概括：**"用 Agent、造 Agent、管 Agent"**——从个人桌面到企业生产线，从开发者工具到安全治理，形成了一个完整的闭环。

我把它拆成四层来看：

| 层级 | 关键词 | 核心产品 |
| :--- | :--- | :--- |
| **第一层：模型底座** | 多模型调度 | TokenHub（MaaS 升级）、混元 3.0 |
| **第二层：工程脚手架** | 开发 & 部署 | Cube 开源平台、ADP 智能体工厂、Agent Runtime 沙箱 |
| **第三层：产品矩阵** | 场景覆盖 | WorkBuddy、QClaw、CodeBuddy、乐享 2.0 |
| **第四层：治理生态** | 安全 & 分发 | ClawPro、SkillHub、安全网关、iOA 审计 |

下面逐层拆。

---

## 第一层：TokenHub —— 模型界的"万能充"

![TokenHub 多模型调度](/images/posts/20260328/02_tokenhub.png)

我在之前写 [龙虾吃穷了云厂商](/posts/20260320_cloud_price_hike) 那篇文章时就提到，OpenClaw 源码中的 Task Router 模块会根据任务复杂度动态选择模型——简单任务用小模型，关键决策用旗舰模型。这种"大小模型协同"是 Agent 时代的必修课。

腾讯显然也看到了这一点，直接把原来的 MaaS 平台升级为 **TokenHub**。

TokenHub 干了什么？一句话：**让你用一套 API，调所有模型。**

混元、DeepSeek、MiniMax、Kimi、GLM……这些原本散落在各家官网、各套 SDK、各种计费体系里的大模型，现在全部被拢进了一个统一入口。配合 **Token Plan** 统一计费服务，企业可以像充话费选套餐一样，按需在多模型之间灵活切换。

更关键的是，这种多模型调度能力已经贯穿了腾讯自家的 Agent 产品线——WorkBuddy、CodeBuddy、QClaw、ADP 都支持在不同任务步骤中智能分配不同的模型。

如果你读过我的 OpenClaw 源码系列，会发现这和 OpenClaw 的 Gateway 路由理念如出一辙：**Agent 不应该绑死一个模型，而应该像调度器一样，让最合适的模型做最擅长的事。** 区别在于，OpenClaw 是开源社区自发的实践，而腾讯把它做成了平台级的基础设施。

### 混元 3.0：4 月见

顺带说一嘴混元 3.0。腾讯在去年下半年对混元团队做了一次大刀阔斧的组织重组——新设 AI 团队、基础设施团队和数据计算平台部，重建了预训练和强化学习的基础设施。

目前混元 3.0 已经在内部测试，汤道生原话："在元宝中测试正向收益非常明显"。具体来说：

- **推理与 Agent 能力**比 2.0 有显著提升
- **激活参数大幅降低**（同样的智力，更省算力）
- 腾讯内部已有超 **900 个业务**全面接入混元大模型

计划 4 月正式对外发布。届时配合 TokenHub 的多模型调度，混元 3.0 大概率会成为腾讯 Agent 体系的"默认引擎"。

---

## 第二层：Cube 开源 —— 给 Agent 造一座"工厂"

模型是大脑，但光有大脑不够——Agent 还需要手脚（工具）、记忆（存储）、安全网（沙箱）和生产线（开发平台）。

这一层是腾讯这次发布里干货最多的部分。

### Cube：底层平台全面开源

腾讯宣布将 Agent 底层平台 **Cube 全面开源**。这意味着企业可以直接拿这套代码来训练和部署自己的智能体，不用从头造轮子。

一个值得关注的案例：腾讯云联合 MiniMax 用 Cube 落地了业内首个**百万级吞吐的强化学习沙箱**——1 分钟内拉起十万级隔离环境。这种规模的沙箱能力，是 Agent 大规模商用的硬性前提。

### ADP：智能体工厂

如果说 Cube 是地基，**ADP（智能体开发平台）**就是盖在上面的工厂。

ADP 支持 RAG（检索增强生成）和知识库接入，让企业把行业专家的经验"喂"给 Agent。它已经在传媒、金融等行业跑通——比如帮媒体自动生成新闻摘要，帮金融机构做合规审查。

### Agent Runtime：安全沙箱

读过我 [OpenClaw 源码第九篇（安全篇）](/posts/20260322_openclaw_source_code_9) 的朋友应该对 Docker Sandbox 不陌生。腾讯的 **Agent Runtime** 做的是同样的事——给 Agent 提供一个隔离的运行环境，支持技能发现与下载、环境隔离、以及强化学习结果验证。

Agent 就像一个新来的实习生，你不能让他第一天就拿到公司所有系统的 root 权限。沙箱就是他的"试用期工位"。

### 存储与推理优化

两个亮眼的数字：

- **COS Vector 向量桶**：存储成本较传统向量数据库降低 **90% 以上**
- **TACO 推理加速框架**：自研框架，性能较社区方案提升 **30%-50%**

另外还有 **MetaInsight**，为每个 Agent 提供多模态记忆能力——让 Agent 不只是会"思考"，还能"记住"。

---

## 第三层：产品矩阵 —— 龙虾遍地开花

有了底座和工厂，腾讯在应用层铺了一张很大的网。

### 面向个人用户

**WorkBuddy** 是桌面版 AI 工作台，兼容 OpenClaw 技能体系（注意这个细节——腾讯直接拥抱了开源生态），支持通过微信、企微远程指挥电脑处理文书和数据。

**QClaw** 面向普通消费者，主打零门槛、下载即用。扫码直连微信，根据任务难度智能匹配模型。如果说 OpenClaw 是给极客的"Linux"，QClaw 就是给普通人的"macOS"。

与此同时，腾讯会议、腾讯文档、ima 等办公应用也全面 **Skills 化**——每个应用都变成了 Agent 可以调用的一项"技能"。

### 面向企业用户

- **腾讯乐享 2.0**：从"知识库"升级为"可执行任务的智能知识库"。过去是人查文档，现在是 Agent 查文档并直接执行。
- **企点营销云 MAGIC Agent 2.0**：强化数据感知和策略执行，同步首发海外版。
- **TC Data Agent**：业务人员通过对话完成数据查询——再也不用跪求数据组帮忙写 SQL 了。

### 面向开发者

**CodeBuddy**（没错，就是你正在用的这个）已覆盖腾讯超 **90%** 的工程师，支持从代码生成到测试部署的全流程 AI 协同。

---

## 第四层：治理生态 —— 从"能用"到"敢用"

企业部署 Agent 最大的顾虑不是"好不好用"，而是"出了事谁负责"。腾讯在这一层下了重注。

### ClawPro + ADP：生产与分发的闭环

**ADP 负责"造"，ClawPro 负责"卖"。**

这个组合就像 App Store 模式——ADP 是 Xcode（开发工具），ClawPro 是 App Store（分发渠道）。企业在 ADP 里开发好智能体，通过 ClawPro 分发给员工或客户使用。

### 安全体系

腾讯提供了一整套安全矩阵：

- **AI Agent 安全中心**：统一的安全管控面板
- **安全网关**：流量层的防护
- **iOA 终端管理**：权限级别的精细控制
- **运行日志审计**：每一步操作都有迹可查

### SkillHub：安全可信的技能市场

类似于手机上的应用商店，但多了一层安全检测——每个上架的 Skill 都要过腾讯的安全审核。这解决了开源社区一个老大难问题：**你从 GitHub 下载的插件到底安不安全？**

---

## 汤道生的"脚手架"哲学

回到开头那句话："AI 落地不只是算法题，更是工程题。"

汤道生在会上详细阐释了"大模型脚手架"（Harness）这个概念：**在不改变模型架构和参数的基础上，通过工具调用、分层上下文工程、长记忆管理、工作流设计等系统工程手段，最大程度发挥模型能力。**

这和我在 OpenClaw 源码系列里反复强调的理念完全一致——**模型是枪，工程是弹药库和后勤保障。枪再好，没有弹药供应链也打不了仗。**

但两者的路径截然不同：

| 维度 | OpenClaw（开源社区） | 腾讯 Agent 体系（企业平台） |
| :--- | :--- | :--- |
| 部署方式 | 自建、裸机、内网穿透 | 云端 SaaS + 混合部署 |
| 模型策略 | 用户自选（OpenRouter） | 平台调度（TokenHub） |
| 安全模型 | Docker 沙箱 + DM Pair | Agent Runtime + 安全网关 + 审计 |
| 技能生态 | ClawHub 社区自建 | SkillHub 审核制 + 自研 Skills |
| 目标用户 | 极客、个人开发者 | 企业客户、商业场景 |

本质上，**OpenClaw 解决的是"一个人怎么武装到牙齿"，腾讯解决的是"一个企业怎么批量生产武装到牙齿的士兵"。**

---

## 老金说几句

写了十篇 OpenClaw 源码解读，再看腾讯这张全景图，有一种"英雄所见略同"的既视感。

Agent Runtime 对标 Docker Sandbox，TokenHub 对标 Task Router，SkillHub 对标 ClawHub，ADP 对标 Gateway 的多工作区架构……一个在开源社区里野蛮生长的最佳实践，正在被大厂用企业级的工程标准重新"翻译"一遍。

这不是抄袭，这是产业成熟的标志。

每一代技术都是这样走过来的——先有 Linux 内核，后有 Red Hat 和 Ubuntu；先有 Kubernetes 的社区版，后有各云厂商的托管版。**开源社区负责定义"应该长什么样"，商业公司负责把它做到"谁都能用"。**

对于我们开发者来说，好消息是：如果你啃过 OpenClaw 的源码，腾讯这套东西你会觉得非常眼熟。底层思想是相通的，只是穿上了西装打上了领带。

坏消息是：免费午餐真的要结束了。TokenHub 的统一计费、混元 3.0 的正式发布，都在释放一个信号——**Token 即货币，Agent 即员工，算力即薪资。**

企业是时候认真算一算，养一群"赛博龙虾"到底要花多少钱了。

---