概述

2026年5月4日，Google悄然关闭Project Mariner——这个曾被誉为"浏览器自主代理标杆"的项目，存活仅17个月。OpenAI Operator同年8月被并入ChatGPT，不再独立运营。与此同时，Devin完成2.0迭代，SWE-bench Verified从13.8%飙升至55%+；OpenAI Codex CLI以Rust重写开源突围；Claude Code成为开发者终端首选。六大自主Agent产品在2025-2026年间走出了截然不同的轨迹：有的关停、有的合并、有的逆势爆发。本文追踪六条产品线的生死演化，从架构选型、任务成功率、单次成本到企业采纳度进行全链拆解，揭示自主Agent从PoC走向生产的核心规律。

六大自主Agent产品现状总览（2026年5月）

注：自治等级参考L1-L5分级，L3为条件自主（需人类确认关键步骤），L4为高度自主（仅在异常时回退人类），L5为完全自主。

一、Project Mariner：浏览器自主代理的17个月存亡

架构与定位

Project Mariner由Google DeepMind于2024年12月推出，定位为"能够像人类一样浏览网页的自主Agent"。其核心架构基于Gemini模型的视觉理解能力，通过截屏→分析→操作（点击/输入/滚动）的循环实现浏览器自动化。

┌─────────────┐     ┌──────────────┐     ┌─────────────┐
│  Screenshot  │────▶│ Gemini Vision│────▶│ Action Plan │
│  Capture     │     │ + Reasoning  │     │ (click/type) │
└─────────────┘     └──────────────┘     └──────┬──────┘
       ▲                                        │
       │            ┌──────────────┐            ▼
       └────────────│  DOM State   │◀─────── Execute
                    │  Validation  │
                    └──────────────┘

关停原因分析

Mariner的关闭并非技术失败，而是产品战略转向的信号：

1. 独立浏览器Agent的经济模型不可持续。 Mariner单任务成本$0.15-0.80，但任务成功率仅为60-70%。以Forrester 2026年研究数据计算，考虑失败重试后，单次成功任务的实际成本高达$0.45-2.50，远超RPA工具的平均$0.05-0.15。

2. 能力被Gemini原生集成取代。 Google选择将Mariner的核心能力（网页理解、表单填充）直接嵌入Gemini对话界面，而非维持独立产品。这意味着"浏览器自主"从独立品类退化为功能特性。

3. 安全与信任困境。 浏览器Agent需要用户的Cookie、会话凭证、支付信息。Mariner在17个月中始终未解决"权限最小化"与"任务完成率"的根本矛盾——给予完整权限则安全风险极高，限制权限则成功率骤降。

教训

Mariner的消亡揭示了一条关键规律：自主Agent的生命力取决于它是否嵌入一个更大的工作流生态。 独立存在的浏览器Agent无法建立足够的价值闭环，但当其能力被集成到综合助手（如Gemini）中时，反而更具实用性。

二、OpenAI Operator：从独立产品到ChatGPT特性

产品演化路径

OpenAI Operator于2025年1月以"Research Preview"形式发布，定位为"能使用自己浏览器的Agent"。其架构基于CUA（Computer Using Agent）模型，通过视觉理解操作浏览器界面。

与Mariner的相似命运

Operator与Mariner的轨迹惊人地平行：两者都在约6-8个月内从独立产品退化为平台特性。根本原因是相同的——独立的浏览器Agent无法证明其与通用LLM对话能力的差异化价值。

但Operator的整合策略更成功。OpenAI将其能力拆解为三层： - 导航层： 网页理解→ChatGPT原生搜索能力 - 操作层： 表单填充→ChatGPT Agent模式的Action能力 - 认知层： 多步推理→o系列推理模型的规划能力

这种拆解使得Operator的核心能力没有"死亡"，而是被更有效地分配到了ChatGPT的不同功能模块中。

三、Devin 2.0：从争议到验证的代码自主Agent

进化轨迹

Devin在2024年3月首发时引发巨大争议——其SWE-bench得分仅13.8%，远低于宣传。但Cognition Labs在两年间进行了持续迭代：

Devin 1.0 (2024.03) ──▶ Devin 1.5 (2024.09) ──▶ Devin 2.0 (2025.06) ──▶ Devin 2.1 (2026.02)
   SWE: 13.8%              SWE: 33.2%              SWE: 48.5%              SWE: 55%+
   沙箱: 基础              沙箱: Docker            沙箱: E2B+自研          沙箱: 多层隔离
   工具: Shell+编辑器      工具: +浏览器           工具: +MCP集成          工具: +Review AutoFix

核心架构突破

Devin 2.0的关键创新在于知识累积系统。不同于其他Agent的"每次从零开始"，Devin会：

1. 记录每个项目的架构决策和代码风格
2. 在同一项目中累积上下文，减少重复探索
3. 通过Review AutoFix实现"发现Bug→自动修复→提PR"的闭环

# Devin 2.0 Review AutoFix 工作流（简化示意）
class DevinAutoFix:
    def on_pr_created(self, pr):
        review = self.review_agent.analyze(pr.diff)
        if review.has_bugs:
            fix_suggestion = self.fix_agent.generate(review.bugs)
            # "Auto-fix with Devin" 按钮自动出现
            pr.add_auto_fix_button(fix_suggestion)

    def on_auto_fix_clicked(self, pr, fix):
        # 在独立沙箱中验证修复
        result = self.sandbox.run(fix, tests=pr.related_tests)
        if result.passed:
            pr.apply_fix(fix)  # 自动提交修复

商业模式验证

Devin 2.0在2026年初实现了关键商业里程碑： - 企业客户数： 从2024年的不足50家增长到500+ - 定价模型： 从$500/月单一方案转为按用量计费（$0.50-4.00/任务） - 主要用例： 代码审查（40%）、Bug修复（30%）、功能开发（20%）、文档（10%）

但Devin仍面临根本挑战：其$0.50-4.00/任务的成本在简单场景下远超人工（$0.10-0.30），仅在复杂多文件修改中体现价值。

四、OpenAI Codex CLI：Rust重写的开源突围

产品定位与架构

OpenAI Codex CLI于2025年以Rust重写并完全开源，定位为"终端中的自主编码Agent"。其核心设计理念是沙箱优先的自治：

┌────────────────────────────────────────────┐
│              Codex CLI 架构                 │
├────────────────────────────────────────────┤
│  用户层:  approval modes (suggest/auto)    │
│  执行层:  沙箱环境 (network/filesystem隔离) │
│  模型层:  GPT-5.5 / o-series推理模型       │
│  工具层:  Shell + 文件编辑 + Git操作        │
│  扩展层:  MCP Server 集成                  │
└────────────────────────────────────────────┘

Codex CLI的三种运行模式直接映射了自治等级：

开源策略的回报

Codex CLI的Rust重写和开源策略在2026年产生了显著回报： - GitHub Star： 28K+（2026年5月） - 社区贡献： 200+ PR，涵盖MCP Server适配、自定义工具链 - 企业采纳： 通过沙箱模型解决了安全合规顾虑

关键配置文件config.toml的设计体现了"渐进自治"的理念：

# Codex CLI config.toml 示例
[profile.conservative]
model = "gpt-5.5"
approval_mode = "suggest"
sandbox = { enabled = true, network = false }

[profile.productive]  
model = "gpt-5.5"
approval_mode = "auto-edit"
sandbox = { enabled = true, network = "allowlisted" }

[profile.ci-agent]
model = "o4-mini"
approval_mode = "full-auto"
sandbox = { enabled = true, network = false, timeout = "5m" }

SWE-bench性能

Codex CLI配合GPT-5.5模型在SWE-bench Verified上达到约72%的解决率。虽然低于Claude Code + Opus 4.7的87.6%，但考虑到o4-mini的性价比（成本仅为Opus的1/10），在CI/CD场景下具有明显的经济优势。

五、Claude Code：开发者终端的自治标杆

为什么Claude Code成为市场领导者

Claude Code在2026年SWE-bench Verified排行榜上以87.6%（Opus 4.7模型）位居前列，这不仅仅是模型能力的问题，更源于其三项关键设计决策：

1. 深度终端集成。 Claude Code不是IDE插件，而是终端原生工具。这意味着它能操作开发者日常使用的所有工具——git、docker、npm、kubectl——而非被限制在编辑器沙箱中。

2. 渐进式自治设计。 用户从简单的代码补全开始，逐步信任Agent执行更复杂的操作，而非一上来就给予完全自治权限。这种"信任爬坡"模式显著降低了生产事故率。

3. 上下文管理。 Claude Code的CLAUDE.md机制允许项目级别的指令持久化，Agent在每次会话中自动加载项目约定、代码风格、架构决策，避免了"每次从零开始"的上下文丢失问题。

企业级部署数据

根据Anthropic 2026年企业调研，Claude Code在生产环境中的表现： - 日活开发者： 较2025年Q4增长340% - 平均每开发者每日任务数： 12.3个 - 任务完成率： 89%（含自主完成+人类确认后完成） - 主要用例分布： 代码生成（35%）、Bug修复（25%）、重构（20%）、测试（15%）、其他（5%）

六、Replit Agent 3：一键应用生成的商业验证

从编辑器到Agent平台的转型

Replit Agent 3代表了一条独特的自主Agent路径——不聚焦通用编码，而是专注于从自然语言描述到可部署Web应用的全流程自动化。

其核心工作流：

用户描述 ──▶ 需求分析 ──▶ 架构设计 ──▶ 代码生成 ──▶ 预览测试 ──▶ 一键部署
  "做一个博客"   选框架+DB     组件树+API    完整代码      实时预览    Replit托管

独特优势与局限

优势： - 极速交付：同一MVP，Lovable 9分钟/$40，Replit 25分钟/$80，手动开发数天 - 全栈覆盖：前端、后端、数据库、部署一站式 - 迭代式修正：用户可自然语言要求修改，Agent增量更新

局限： - 仅限Replit生态部署，导出受限 - 复杂业务逻辑处理弱于Claude Code/Codex - 生成代码的可维护性在大型项目中下降

Mermaid：六大自主Agent产品演化与分流路径

graph TD
    subgraph 2024
        A[Mariner发布<br/>2024.12]
        B[Devin 1.0发布<br/>2024.03]
        C[Operator发布<br/>2025.01]
    end

    subgraph 2025
        D[Codex CLI开源<br/>2025.Q2]
        E[Claude Code发布<br/>2025.Q1]
        F[Replit Agent<br/>2025.Q2]
    end

    subgraph 2026命运
        G[Mariner关停<br/>2026.05<br/>融入Gemini]
        H[Operator并入<br/>ChatGPT<br/>2025.08]
        I[Devin 2.1迭代<br/>活跃商业化]
        J[Codex CLI<br/>28K Star<br/>企业采纳]
        K[Claude Code<br/>市场领先<br/>87.6% SWE]
        L[Replit Agent 3<br/>垂直领域<br/>商业验证]
    end

    A -->|17个月| G
    C -->|8个月| H
    B -->|持续迭代| I
    D -->|开源生态| J
    E -->|口碑增长| K
    F -->|平台绑定| L

    G -.->|教训| M[独立浏览器Agent<br/>经济模型不可持续]
    H -.->|教训| M
    I -.->|验证| N[垂直深耕+知识累积<br/>=商业可行性]
    J -.->|验证| O[开源+沙箱<br/>=企业信任]
    K -.->|验证| P[终端原生+渐进自治<br/>=开发者采纳]

自主Agent产品生存矩阵

基于六大产品的生死轨迹，我们可以构建一个"自主Agent产品生存矩阵"：

自主Agent任务经济学：真实成本拆解

Forrester 2026年对287家企业AI Agent部署的研究揭示了关键数据：

关键洞察：ROI倍数最高的不是最复杂的任务，而是高频+中等复杂度的任务。全栈应用生成虽然绝对成本高，但与人工相比ROI最惊人；而简单代码修改因为高频和低成本，成为日常使用最广的场景。

Deep Research Agent：自主研究的新战场

在六大产品之外，2026年另一个自主Agent的重要战场是深度研究代理。DRACO（Deep Research Accuracy, Completeness, and Objectivity）基准测试揭示了这一领域的竞争格局：

DeepResearch Bench（来自AGI-Eval平台）的结果显示，所有主流深度研究Agent在"信息综合"维度表现优秀（>80%），但在"事实核查准确性"维度仍有显著差距（50-65%）。这意味着自主研究Agent当前最危险的盲区不是"找不到信息"，而是"无法可靠地判断信息真伪"。

从生死簿看自主Agent的四个生存法则

法则一：嵌入工作流，而非创建新工作流

Mariner和Operator的关停证明，要求用户"为了使用Agent而改变习惯"的路径走不通。Claude Code成功是因为它运行在开发者已经每天使用的终端中；Codex CLI成功是因为它融入了git工作流。最好的自主Agent是用户感觉不到其存在的Agent。

法则二：渐进自治胜过一步到位

所有成功的自主Agent产品都采用了渐进自治策略：

graph LR
    A[观察模式<br/>Agent只看不动] -->|信任建立| B[建议模式<br/>Agent提议人类确认]
    B -->|效率需求| C[编辑模式<br/>Agent修改人类审查]
    C -->|规模化需求| D[自主模式<br/>Agent执行异常回退]
    D -->|极端信任| E[完全自治<br/>Agent全权处理]

    style A fill:#e8f5e9
    style B fill:#c8e6c9
    style C fill:#a5d6a7
    style D fill:#66bb6a
    style E fill:#388e3c,color:#fff

法则三：成本效率决定存活边界

Klarna的案例提供了最生动的教训：2024年其AI客服Agent节省了$4000万，处理了67%的客户请求。但到2025年底，Klarna不得不重新雇佣人类客服，因为Agent在复杂场景中的处理质量导致客户满意度下降。这说明成本节省必须在质量保障的前提下才有意义。

2026年成功的自主Agent产品的定价策略都遵循同一个原则：按任务复杂度阶梯定价，简单任务极低价，复杂任务溢价。

法则四：开源内核+商业增值

Codex CLI（开源Rust内核+商业API）和Claude Code（终端工具免费+API按量计费）的模式，显著优于Devin（完全封闭SaaS）和Mariner（封闭实验项目）。开源带来的社区生态（MCP Server、自定义工具链）为Agent提供了指数级增长的工具能力，这是任何单一团队都无法实现的。

对不同场景的推荐

参考来源

1. Google Shuts Down Project Mariner: What the Browser Agent's End Means — Mariner关停事件详细分析
2. OpenAI Operator Update Tracker: From Operator to ChatGPT Agent (2026) — Operator产品演化追踪
3. SWE-bench Verified Leaderboard May 2026 — SWE-bench Verified最新排名
4. The ROI of Enterprise AI Agents: What the Numbers Say in 2026 — Forrester 287企业部署ROI研究
5. DRACO: a Cross-Domain Benchmark for Deep Research Accuracy — 深度研究Agent评测基准论文
6. Klarna AI: 67% of Customer Support Automated, $40M Saved — Klarna AI客服Agent案例与反思
7. Devin AI in 2026: Honest Review — Devin 2.0实际表现评测

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。