<!-- title: 六大自主Agent产品生死簿：Mariner关停启示 -->

## 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）

| 产品 | 厂商 | 状态 | 自治等级 | 核心场景 | 单任务成本 | SWE-bench/基准分 |
|------|------|------|----------|----------|------------|------------------|
| Project Mariner | Google DeepMind | 已关停(2026.05) | L3-浏览器自主 | 网页浏览自动化 | $0.15-0.80/任务 | N/A |
| Operator | OpenAI | 并入ChatGPT(2025.08) | L3-浏览器自主 | 网页表单/预订 | $0.10-0.50/任务 | N/A |
| Devin 2.0 | Cognition Labs | 活跃迭代 | L4-代码自主 | 软件工程全流程 | $0.50-4.00/任务 | 55%+ (Verified) |
| Codex CLI | OpenAI | 开源活跃 | L4-代码自主 | 终端编码/沙箱执行 | $0.02-0.30/任务 | ~72% (GPT-5.5) |
| Claude Code | Anthropic | 市场领先 | L4-代码自主 | 全栈开发/Git操作 | $0.05-0.40/任务 | 87.6% (Opus 4.7) |
| Replit Agent 3 | Replit | 商业运营 | L3-Web开发自主 | 一键应用生成部署 | $0.20-1.50/任务 | ~45% (定制基准) |

> 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。

| 阶段 | 时间 | 状态 | 关键变化 |
|------|------|------|----------|
| Research Preview | 2025.01 | 独立产品 | Pro用户独享，限定网站白名单 |
| 扩展期 | 2025.04 | Plus用户开放 | 支持更多网站类型 |
| 整合期 | 2025.08 | 并入ChatGPT | 成为ChatGPT内置功能 |
| 消融期 | 2026.01 | 完全内化 | 不再作为独立入口 |

### 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

```python
# 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：

| 模式 | 自治等级 | 适用场景 | 风险 |
|------|----------|----------|------|
| `suggest` | L2 | 代码审查、学习 | 最低 |
| `auto-edit` | L3 | 文件编辑、重构 | 中等 |
| `full-auto` | L4 | 批量修改、CI集成 | 需沙箱 |

### 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：

```toml
# 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

```mermaid
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"：

| 维度 | 关停/合并 | 存活/增长 |
|------|-----------|-----------|
| **场景通用性** | 过于通用（浏览器=一切） | 垂直聚焦（代码、客服、数据分析） |
| **经济模型** | 单任务成本高+成功率低 | 单任务成本低 OR 复杂任务溢价高 |
| **嵌入方式** | 独立产品需独立获客 | 嵌入已有工作流（终端/IDE/CRM） |
| **信任机制** | 全权委托 OR 全程确认 | 渐进自治（suggest→auto→full） |
| **数据飞轮** | 每次从零开始 | 知识累积+项目上下文持久化 |
| **开源策略** | 封闭黑箱 | 开源内核+商业增值（Codex CLI, Claude Code） |

## 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：

| 任务类型 | 平均单次成本 | 成功率 | 单次成功成本 | 人工等价成本 | ROI倍数 |
|----------|-------------|--------|-------------|-------------|---------|
| 简单代码修改 | $0.02-0.10 | 92% | $0.03-0.11 | $15-50 | 140-450x |
| 复杂Bug修复 | $0.30-2.00 | 65% | $0.46-3.08 | $100-500 | 22-162x |
| 网页自动化任务 | $0.15-0.80 | 62% | $0.24-1.29 | $8-30 | 6-23x |
| 深度研究分析 | $1.00-8.00 | 55% | $1.82-14.55 | $200-1000 | 7-69x |
| 全栈应用生成 | $0.50-3.00 | 70% | $0.71-4.29 | $500-5000 | 117-1165x |
| 客服对话处理 | $0.01-0.05 | 85% | $0.01-0.06 | $5-15 | 83-250x |

> 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：

| 产品 | DRACO准确率 | DRACO完整性 | DRACO客观性 | 单次研究成本 |
|------|------------|------------|------------|-------------|
| Gemini Deep Research Max | 78.2% | 82.1% | 85.3% | $2.50-8.00 |
| OpenAI Deep Research | 76.5% | 79.8% | 83.7% | $3.00-10.00 |
| Perplexity Deep Research | 74.1% | 81.5% | 80.2% | $1.00-5.00 |
| Claude Research | 72.8% | 77.3% | 84.1% | $2.00-7.00 |

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：

```mermaid
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

| 场景 | 推荐产品 | 理由 |
|------|----------|------|
| 日常编码辅助 | Claude Code + Codex CLI | 终端原生+渐进自治+开源生态 |
| 企业CI/CD Agent | Codex CLI (full-auto模式) | 沙箱隔离+CI集成+成本可控 |
| 非技术人员Web开发 | Replit Agent 3 或 Lovable | 自然语言→可部署应用，零代码基础 |
| 复杂软件工程 | Devin 2.1 或 Claude Code | 多文件协同+知识累积+Review AutoFix |
| 自主深度研究 | Gemini Deep Research Max | DRACO最高综合分+Google生态 |
| 客服自动化 | Salesforce Agentforce | CRM原生集成+企业合规 |
| 工作流自动化 | n8n + AI Agent节点 | MCP集成+可视化编排+自托管 |

---

## 参考来源

1. [Google Shuts Down Project Mariner: What the Browser Agent's End Means](https://nerova.ai/news/google-shuts-down-project-mariner-gemini-agent-browser-2026) — Mariner关停事件详细分析
2. [OpenAI Operator Update Tracker: From Operator to ChatGPT Agent (2026)](https://presenc.ai/research/openai-operator-update-tracker-2026) — Operator产品演化追踪
3. [SWE-bench Verified Leaderboard May 2026](https://andrew.ooo/answers/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](https://www.ajentik.ai/insights/enterprise-ai-agent-roi-2026) — Forrester 287企业部署ROI研究
5. [DRACO: a Cross-Domain Benchmark for Deep Research Accuracy](https://arxiv.org/abs/2602.11685) — 深度研究Agent评测基准论文
6. [Klarna AI: 67% of Customer Support Automated, $40M Saved](https://www.twig.so/blog/klarna-ai-customer-support-efficiency) — Klarna AI客服Agent案例与反思
7. [Devin AI in 2026: Honest Review](https://deepfounder.ai/devin-ai-in-2026-what-the-first-ai-software-engineer-actually-delivers/) — 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。

![51学通信知识星球海报-扫码加入](https://wiki.500nian.com/images/zhixingqiu_qrcode.png)