扣子Coze烧掉十亿后下线：工作流这条路，为什么走不通了

扣子这条路走不远。现在字节终于动手了：企业标准版和旗舰版从2026年11月30日起不再接受新客户，旧套餐陆续下线。一个这两年中国AI圈最火的产品，就这样进入调整期。有人说这只是企业版调整，不是整个扣子关门。

话没错，但风向已经很明显。扣子曾经是很多人入门AI、搭智能体的首选，去年几乎成了“学AI必须会扣子”的标配。它的变化，不只是一个产品的起落，而是在提醒所有人：以工作流为核心的AI产品形态，正在快速失去价值。

工作流为什么曾经有效

我自己最早做AI产品，就是基于开源扣子搭的。后来又自己做了一个工作流平台。做了几个月，我越来越清楚一件事：这条路在模型能力不够强的时候，是合理的；但当模型开始快速变强，它就变成了负担。

大模型前两年还不够稳。让它独立完成一个十步的长任务，很容易漏步骤、选错工具、中途跑偏。

工作流的解题思路很直接：把任务拆成积木。
关键节点留给模型做判断，前面几步用硬编码固定住，减少幻觉，提高稳定性。

这在当时是聪明的工程选择。它能快速把产品做出来，能交付，能卖钱。扣子火，Dify火，n8n火，影刀RPA也火，逻辑都差不多——用工程手段把模型能力“稳住”，然后尽快商业化。

但这不是大模型的终极形态。

终极形态是模型自己完成完整推理和规划。需要十步，就从第一步开始自己规划、自己执行、自己纠错，直到准确走完。而不是靠人把前七步写死，只留两步给模型发挥。后者叫“用工程补模型短板”，前者才叫模型真正具备完成复杂任务的能力。

我们低估了模型迭代的速度

我原以为模型还要三五年，才能稳定自己走完那前七步。现实快得多。

去年以来，Claude、GPT系列在编程和长任务上的能力跃升非常明显。现在很多复杂问题，已经可以直接让AI编程自己梳理路径、自己写代码、自己调试。这就是最近大家说的Harness工程——给模型搭一个能持续执行、能获取上下文、能调用工具、能恢复失败的运行环境，而不是提前把每一步都画死。

回头再看扣子式的工作流：先规划节点、连线、规定每一步输入输出。在今天的能力水平下，这个逻辑显得笨重。用户真正想要的是“把这件事做完”，而不是“帮我维护一张越来越复杂的流程图”。

所以扣子走到今天，并不意外。它不是技术路线突然失败，而是模型进步把过渡方案的价值压缩了。当模型能自己处理更多不确定性时，那些专门用来弥补模型不足的产品，就会被迫重新证明自己还存在的理由。

中美路径的真实差异

这件事也把中美做AI的路径差异暴露得很清楚。

美国头部公司更愿意直接攻终极问题。中间过程不着急立刻变现，所以不会大规模投入工作流这类过渡产品。Claude、OpenAI、Gemini、Gork的重心始终在模型能力和Agent能力本身。

国内则不同。资本和时间压力更大，大家更倾向尽快做出能卖的东西。于是出现了大量“用工程手段先把模型能力稳定下来，然后立刻商业化”的产品。扣子是其中最典型的代表。

问题在于，一旦把大量精力花在完善过渡产品上，就很难再回头去解决更根本的问题。离商业越近，往往离终点越远。

腾讯做WorkBuddy，字节做各种应用层产品，本质上都是在抢应用和流量。智能的核心部分大量依赖外部模型，自己做的是场景、分发和变现。这和很多小团队做的事情，在性质上其实接近——只是大厂有流量和渠道优势。

结果就是：真正在模型能力上能打的国内公司，目前只有DeepSeek相对纯粹（这里很多人说为啥没有千问和豆包；还是那句话，离商业越近，往往离终点越远。千问之前团队解散的核心是什么？无法商业化。那豆包呢？看到红果短剧火了那就搞短剧去了）。梁文锋团队目标明确指向AGI，产品形态也克制，甚至把一些Agent相关能力开源，主要用来获取高质量编程数据反哺模型训练。这种打法在中国AI圈里非常少见。

其他大厂不是没有能力，而是选择了更容易短期见效的路。视频、短剧、应用层流量，回报更快。红果短剧日活过亿、人均时长极高，说明这条路在商业上确实成立。但它消耗的是本可以投入到基础能力的资源，也在塑造整个行业的注意力。