崑崙萬維發佈天工3.1:上線全新畫布設計與多 Agent 並行工作流

2026年6月17日 07:026000 次瀏覽

重點摘要

崑崙萬維發佈天工3.1，國內外同步上線，核心升級推出畫布設計Skywork Design與多Agent調度Dynamic Workflows，推動AI從演示轉向高完成度產品。天工3.0上線一個月後，其超級智能體依託高粘性Websites場景實現收入三倍增長，深度用戶單個項目平均交互輪數超40輪。

站內 AI 整理稿

### 重點整理：天工3.1 的兩大核心升級

人工智慧公司崑崙萬維近日正式發布最新版本「天工3.1」，並同步在國內外市場上線。本次升級的兩大亮點分別為全新推出的「畫布設計 Skywork Design」以及「多 Agent 調度 Dynamic Workflows」。前者讓使用者能在視覺化介面中自由編排專案流程，後者則賦予系統同時調度多個 AI 代理的能力，實現並行工作與任務協作。這些功能的加入，標誌著天工平台正從單純的「示範級 AI」轉向具備高完成度的實用產品。

### 背景脈絡：從 3.0 到 3.1 的市場驗證

天工 3.1 的發布並非憑空而來，其前身天工 3.0 在短短一個月內便繳出亮眼成績。根據官方數據，天工 3.0 的超級智能體（Super Agent）憑藉高度黏著的網站（Websites）應用場景，成功帶動平台收入成長三倍。更值得注意的是，重度使用者在單一專案中的平均對話輪數已超過 40 次，反映出用戶對複雜任務的需求遠超預期。這些數據為天工 3.1 的功能迭代提供了明確方向——用戶不只需要能對話的 AI，更需要能協作、能設計工作流程的生產力工具。

### 可能影響：AI 從演示角色躍升為生產力引擎

天工 3.1 的升級對產業與使用者而言意義深遠。首先，「畫布設計」讓非技術背景的創作者也能透過拖曳、連接節點的方式，打造專屬的 AI 工作流，大幅降低使用門檻。其次，「多 Agent 並行工作流」則解決了過去單一 AI 流程效率低落、無法同時處理多線任務的痛點。這意味著企業或個人可以在同一個平台上進行資料分析、文案生成、圖像編輯等跨域任務，而不再需要切換不同工具。對開發者來說，Dynamic Workflows 也提供了更靈活的 API 調用基礎，有利於打造更複雜的垂直應用。

### 從使用者體驗看商業模式轉變

天工 3.0 的「收入三倍增長」背後，反映的不僅是用戶數增加，更是使用者願意為高頻、高價值的場景付費。當天工 3.1 進一步強化了工作流的可視性與多 Agent 協作能力，預期將吸引更多專業用戶（如設計師、研究者、企業營運人員）導入。這也可能帶動計費模式從單純的「訂閱制」轉向「進階流程計費」或「團隊協作方案」，為平台開啟更多元的營收來源。需要注意的是，官方並未公布具體的營收數字或用戶分佈，因此上述推論仍須後續觀察。

### 讀者可關注的後續發展

對於關心 AI 工具發展的台灣讀者，有幾個重點值得持續追蹤。第一，天工 3.1 是否會推出繁體中文在地化版本，以及其對本地語言、法規的支援程度；第二，Skywork Design 與 Dynamic Workflows 是否開放第三方開發者自訂插件或模組，這將決定平台的生態系擴張速度；第三，崑崙萬維是否會將其與海外競品（如 ChatGPT 的 Workflows 或微軟 Copilot Studio）進行比較，以及實際效能與使用者口碑的差異。最後，天工系列在台灣市場的上市時間與定價策略，也將影響本地用戶的選擇。

### 總結：高完成度 AI 產品的時代來臨

從天工 3.0 到 3.1，崑崙萬維展現的不只是版本迭代，而是對「AI 該如何真正解決問題」的思考轉向。過去多數 AI 產品停滯於「單輪問答」或「簡單生成」，但真實的工作場景需要連續、多線、協作式的處理能力。天工 3.1 的畫布設計與多 Agent 排程，正是回應這項需求而生的技術方案。雖然目前相關資訊仍以官方新聞稿為主，缺乏第三方評測與深度使用報告，但這一步已經為 AI 從「玩具」邁向「工具」樹立了新標竿。

原始來源：AIBase ↗

查看原始來源

TechWebAI Agent

網易有道全面向AI轉型全場景Agent矩陣亮相圖博會

{"id":"39ef5947-b77a-4904-bf03-ff6264f08dc4","object":"response","model":"deepseek-v4-flash","output":[],"stop_reason":"max_output_tokens","usage":{"input_tokens":154,"output_tokens":200,"total_tokens":354}}

剛剛閱讀分析

Hugging Face BlogAI Agent

MosaicLeaks: Can your research agent keep a secret?

Back to Articles MosaicLeaks: Can your research agent keep a secret? Enterprise Article Published June 18, 2026 Upvote - Alexander Gurung agurung Follow ServiceNow Rafael Pardinas rafapi-snow Follow ServiceNow TL;DR Deep research agents increasingly combine private local documents with external tools like web retrieval, creating a privacy risk: an agent's external queries may leak sensitive information. MosaicLeaks proposes a new deep-research task with multi-hop questions that interleave public and private information. Across the models we tested, agents frequently leaked private information, and training only for task performance made it worse. We propose a mosaic-leakage-aware RL training method, Privacy-Aware Deep Research (PA-DR), which raises strict chain success (the share of chains

17 小時前閱讀分析