單模型性能的邊際提升，正在快速遞減。”

近期我們和一些大模型（LLM）研發者溝通時，不少人都有類似的感受。

過去幾年，AI模型性能的提升主要來自兩個方向：模型參數規模擴大，訓練數據與算力的增長。

根據OpenAI、Anthropic、DeepMind等團隊的研究，模型性能與參數規模之間呈冪律關系（Power Law），即性能隨參數增加而提升，但提升幅度逐漸減小，表現出邊際收益遞減的趨勢。

這也和我們的觀察所吻合，今年以來，我們看到的模型改進主要來自“上下文記憶增強”“多模態融合”“推理鏈優化”等方向，這些都不是純粹靠“變大”實現的，而是靠“變巧”。單一模型的“性能天花板”已悄然出現。

在海外，OpenAI、Anthropic、Google等大模型公司的最新模型，在性能上的差距越來越小。用戶大體的感知是：GPT系列在創造性和邏輯推理方面略勝，Claude系列在編碼和文本理解方面略優，Gemini系列在多模態方面略強。但對C端用戶來說，這種差異不再能直接轉化為新的付費理由。

「甲子光年」發現，市場的競爭焦點從“模型誰更聰明”轉向“誰能更好地用這些模型”，從“模型競爭”過渡到“系統競爭”。AI大模型參數規模不再是關鍵，AI系統工程架構的創新才是新的突破點。

在這種背景下，AI Agent（智能體）的成為了AI行業新的敘事主體。甲子光年智庫在《中國AI Agent行業研究報告》中，將AI Agent定義為具有自主性、反應性、交互性等特征的智能“代理” ，用公式表示就是：大模型時代的AI Agent=LLM x（規劃+記憶+工具+行動）。

而在眾多AI Agent公司之中，一家幾乎沒有投放廣告、僅24人規模的公司卻被頻頻提起——Genspark。

很多人對Genspark的印象還停留在華人硅谷創業公司、不斷更新的產品功能以及45天3600萬美元ARR（年度經常性收入）的商業成績，但更有價值的是，這家從AI搜索起家的公司，用一套Mixture-of-Agents（多智能體混合，簡稱MoA）架構，把多模型融合成一個完整系統。

Genspark代表了從“做出更聰明的模型”到“讓模型們協作”的范式轉變，這也是一個關于工程哲學的故事。

1.在AI Agent領域率先引入MoA的概念

Genspark是由小度前CEO景鯤（Eric Jing）與小度前CTO朱凱華（Kay Zhu）聯合創立的MainFunc公司推出的AI Agent產品，2024年6月Beta版上線，初期定位為AI搜索引擎，通過生成無偏見的Sparkpages頁面提供可信信息，主要面向美國市場。

景鯤前下屬、AI從業者劉佳（化名）告訴「甲子光年」，景鯤還在小度工作的時候，就多次提到要“重構搜索背后的內容生態”。

后來，Genspark陸續加入Multi-Agent、Deep Research等功能，并于2025年4月升級為Super Agent產品，上線9天實現了1000萬美元的ARR，上線45天就實現了3600萬美元的ARR。對比來看，AI Coding領域的明星企業Cursor，實現1000萬美元ARR，用了21個月。

在眾多AI Agent產品中，Genspark去年底引入了MoA的概念并將其工程化。可以說，Genspark是全球最早將MoA這一概念落地到消費級AI Agent產品中的團隊之一。而Genspark在2024年12月的宣傳視頻中則稱其為“world's first Mixture-of-Agents (MoA) system（世界首個MoA系統）”

簡單來說，MoA系統會讓多個專長不同的模型組成一個多腦協作體：比如，OpenAI模型負責創造性與自然語言任務，Claude負責邏輯推理與結構化生成，Gemini負責視覺與多模態感知。當然，實際工作中MoA的機制會更復雜。