Div Garg

MultiOn 的核心判断是，代理卡在推理和落地执行上，而不是对话流畅度上。 Div G 表示，GPT-4 能生成“看起来不错的内容”，但“真正的深度工作并不在那里”；网站是模型训练时没有学会表征的动态环境，因此长轨迹中的小错误会不断累积。讨论指向了聊天之外的关键层：执行数据、针对具体环境的反馈和验证。

从90–95%的可靠性走向接近100%，路径是微调基础模型加在线强化学习，而不是从零开始做 RL。 Div G 认为，历史上的稀疏奖励 RL 之所以失败，是因为代理起步时几乎没有能力；如今的预训练模型提供了广泛知识，而监督微调可以先建立约90%的起点，让代理“在环境中探索和利用”。MultiOn 当时正在探索 DPO、模仿学习，以及针对可逆任务的实时互联网实验，同时明确避免“把互联网搞垮”。

在通用代理出现前，商业化也可以启动，因为短流程、单网站任务已经构成可用的切入口。 Amazon 加购、DoorDash 和 Instacart 下单、NDA 以及会议邀请被列为当前强项；跨网站状态转移、重复任务和长任务仍然更难。当时 Div G 预计，MultiOn 很快就能选定一个任务，以“疯狂的准确率”完成，同时并行推进用户采用和研究。

MultiOn 在优化任务完成率的同时，也在优化产品经济性：速度至少达到人类的10倍、上下文足够紧凑、每步推理成本以美分计。 简单任务可能少于20步，研究任务约100步；Div G 将每步成本上限设在0.10美元左右，高效托管模型则接近0.02–0.03美元，100步任务的成本可能低于2–3美元。其平均推理输入“不超过5,000个token”，因此压缩、缓存和模型路由都是核心毛利杠杆。

这套技术栈刻意保持模型无关，因为GPT-4虽然仍是最好的规划模型，却贵到无法作为大众消费产品的底座。 MultiOn 将微调后的开源模型与 GPT-4 混用，对替代模型进行“即插即用”式基准测试，并设计了即使 GPT-5 能力跃升也能延续的效率方案。Div G 认为，GPT-4 的优势来自“原料和厨师的质量”：经验丰富的研究人员、私有数据，以及庞大的人类标注流水线。

路线图将从一次性动作推进到长任务、组合任务、重复执行，最终形成由并行代理构成的隐形层级。 用户可能只看到一个聊天界面，内部调度器则将工作分配给子代理，借鉴操作系统中的进程、优先级和故障处理；类似 Voyager 的技能库会缓存可复用流程。移动端访问和不保存用户密码的认证机制，目标是实现“ Siri 永远做不到的事”；API 则被定位为 Playwright 式自动化之上的自然语言抽象层。

劳动力逻辑先是增强、后是替代，但信任可能成为 adoption 的硬约束。 Div G 预计，代理会像计算机取代打字机工作一样，消除“数字杂务”和“烂工作”，同时创造教学、编程和协调代理的新岗位；近期价值在于让用户从“从零到一”获得协助。Nathan 警告，恶意调用和能力跃升可能制造系统性风险；Div G 则建议加入内容审核、执行时验证、提示注入防护和快速行为补丁。

🔗 原始收听与视频来源： 与 MultiOn 联合创始人兼 CEO Div Garg 探索自主网络代理