昆仑万维发布 SkyClaw-v1.0：百万 token 上下文 Agent 模型，主打高性能与低成本

最近，昆仑万维旗下天工 AI 正式发布高性能 Agent 模型 SkyClaw-v1.0，并同步推出轻量化版本 SkyClaw-v1.0-lite。

这次发布的核心看点很明确：百万 token 上下文、真实工作流适配、多步任务执行能力，以及更有竞争力的价格。

根据公开报道，SkyClaw-v1.0 支持百万 token 上下文，重点优化复杂工具调用、多轮任务执行、代码生成、文件编辑、交互式应用构建和研究型数据分析等 Agent 场景。模型经过大规模 mid-train、高质量合成任务 SFT 与端到端强化学习优化，可在 OpenClaw、Hermes、Nanobot 等主流 Agent 环境中运行，同时适配 Claude Code、Codex 等代码 Agent 框架。

简单说，SkyClaw-v1.0 不是一个只面向聊天的模型，而是更强调“让 AI 真正进入任务执行流程”。

SkyClaw-v1.0 是什么？

SkyClaw-v1.0 是昆仑万维天工 AI 推出的高性能 Agent 模型。

它面向的不是简单问答，而是复杂智能体任务。比如用户希望 AI 不只是回答“该怎么做”，而是能调用工具、修改文件、生成代码、搭建应用、分析资料，并在多轮任务中持续推进。

这类能力正是当前 Agent 产品最需要的基础。

过去很多大模型在对话中表现不错，但一进入真实工作流，就会暴露问题：

工具调用不稳定；
长任务容易跑偏；
代码生成不能持续迭代；
文件编辑上下文不够；
多步骤执行中容易丢失目标；
长文档或大工程处理能力不足。

SkyClaw-v1.0 的定位，就是为这些真实场景做优化。

百万 token 上下文，适合处理长任务和大项目

SkyClaw-v1.0 最醒目的能力之一，是支持百万 token 上下文。

这对 Agent 场景非常重要。

因为真实任务往往不是几句话就能说清楚，也不是几个文件就能完成。一个复杂工程项目可能包含大量代码文件；一份研究任务可能涉及多篇报告；一个办公自动化流程可能需要读取多个文档、表格和历史记录。

百万 token 上下文的价值在于，模型可以一次性容纳更多信息。

比如：

读取大型代码仓库；
分析长篇研究资料；
处理多份企业文档；
理解复杂项目背景；
跟踪长时间任务状态；
保留多轮工具调用记录；
在长链路 Agent 任务中减少上下文丢失。

对开发者和企业用户来说，这种长上下文能力不是噱头，而是复杂任务能不能跑通的基础。

重点优化多步任务执行，适合 Agent 工作流

SkyClaw-v1.0 明确面向真实智能体工作场景。

公开资料显示，它重点优化复杂工具调用、多轮任务执行、代码生成、文件编辑、交互式应用构建与研究型数据分析。

这些能力刚好覆盖 Agent 的核心工作流。

一个 Agent 如果只是回答问题，其实和普通聊天模型差别不大。真正有价值的 Agent，需要能完成这些步骤：

理解用户目标；
拆解任务计划；
选择合适工具；
执行多轮操作；
读取和修改文件；
调用代码或外部服务；
检查结果并修正；
最终交付可用产物。

SkyClaw-v1.0 的发布，说明昆仑万维正在把天工 AI 的能力从通用问答进一步推向任务执行和生产力场景。

代码生成和文件编辑，是开发者最关心的能力

在 Agent 模型里，代码生成和文件编辑非常关键。

因为 AI 编程任务往往不是生成一段函数，而是要理解整个项目，然后在多个文件之间做修改。

比如：

新增一个前端页面；
修复一个接口 Bug；
重构一个模块；
生成测试文件；
修改配置；
补充文档；
构建一个交互式 Demo；
在已有工程中添加功能。

这些任务都需要模型理解上下文、规划步骤、修改文件，并在执行过程中保持一致性。

SkyClaw-v1.0 适配 Claude Code、Codex 等代码 Agent 框架，也意味着它不是只服务独立聊天场景，而是可以进入开发者已有的 AI 编程工作流。

对开发者来说，这类模型更实用。因为它能直接嵌入工具链，而不是只能在网页里回答问题。

可在 OpenClaw、Hermes、Nanobot 等 Agent 环境运行

SkyClaw-v1.0 另一个值得关注的点，是对主流 Agent 环境的适配。

官方项目页面介绍，SkyClaw-v1.0 面向 OpenClaw、Hermes、Nanobot 等主流 Agent 环境设计，建议在 Agent 工作流中使用，而不是单纯作为独立聊天模型。

这说明 SkyClaw-v1.0 的主要目标用户，很可能是正在构建 Agent 应用的开发者和团队。

比如：

OpenClaw 用户可以用它执行复杂工具任务；
Hermes 用户可以让它参与多步骤工作流；
Nanobot 用户可以用它处理自动化任务；
Claude Code、Codex 用户可以将它用于 AI 编程流程；
企业团队可以把它接入自己的 Agent 系统。

模型能不能适配生态，非常影响实际采用率。SkyClaw-v1.0 如果能稳定接入这些框架，就更容易被开发者测试和使用。

经过 mid-train、SFT 和端到端强化学习优化

从训练方式看，SkyClaw-v1.0 并不是简单做一个通用模型版本，而是针对 Agent 任务做了多阶段优化。

公开报道提到，模型经过大规模 mid-train、高质量合成任务 SFT 与端到端强化学习优化。

这套路径很符合 Agent 模型训练逻辑。

mid-train 可以帮助模型进一步学习特定任务分布；
SFT 可以让模型更好遵循任务指令；
端到端强化学习可以提升模型在实际工具调用和多步执行中的表现。

Agent 模型和普通聊天模型最大的区别，就在于它需要持续执行任务，而不只是生成一句回答。强化学习对这类模型很重要，因为它可以让模型在真实执行链路中学习如何规划、调用工具和修正错误。

性能表现：官方称超过多个主流开源模型

根据公开报道，SkyClaw-v1.0 在主流 Agent 评测中表现超过 Minimax 2.7、DeepSeek V4 Flash 等模型，在 OpenClaw 相关任务上接近 DeepSeek V4 Pro、Claude Opus 4.6 等更大规模模型。

这个信息很值得关注，但也需要理性看待。

一方面，如果 SkyClaw-v1.0 能在 Agent 任务中接近更大规模模型，说明它在工具调用、多步执行和代码任务上确实有较强竞争力。

另一方面，模型表现最终还要看具体任务、调用环境、成本、稳定性和真实用户反馈。

对开发者来说，最稳妥的方式是把它接入自己的 Agent 工作流中，用真实任务测试效果，而不是只看榜单或宣传指标。

定价低于主流模型一半，主打高性价比

SkyClaw-v1.0 另一个核心卖点，是价格。

官方项目页面显示，SkyClaw-v1.0 的输入价格为 0.5 元 / 百万 tokens，输出价格为 4 元 / 百万 tokens；SkyClaw-v1.0-lite 输入价格为 0.3 元 / 百万 tokens，输出价格为 2 元 / 百万 tokens。页面还对比显示，其价格低于 MiniMax-M2.7 与 Qwen 3.6 系列模型的一半甚至更低。

这对 Agent 场景非常关键。

因为 Agent 往往会多轮调用模型。一次复杂任务可能需要几十次甚至上百次请求，还可能涉及长上下文、工具调用、代码生成和反复修正。

如果模型单价太高，Agent 任务成本就会很快上升。

SkyClaw-v1.0 如果能在保持性能的同时降低调用成本，就会更适合企业和开发者大规模尝试。

SkyClaw-v1.0-lite：面向高吞吐和成本敏感场景

这次发布还同步推出了 SkyClaw-v1.0-lite。

从官方说明来看，SkyClaw-v1.0 适合更强 Agent 性能需求，而 SkyClaw-v1.0-lite 更适合高吞吐、成本敏感的工作流。

这类双版本设计很实用。

因为不同任务对能力和成本要求不同。

复杂代码任务、长文档分析、多工具 Agent 可以使用 SkyClaw-v1.0；
简单信息整理、批量轻任务、低成本自动化流程可以使用 SkyClaw-v1.0-lite。

这样开发者可以根据任务难度灵活选择模型，而不是所有任务都用最贵版本。

免费试用 2 至 4 周，方便真实任务测试

公开报道显示，SkyClaw-v1.0 与 SkyClaw-v1.0-lite 即日起开放 2 至 4 周免费试用。用户可以在真实任务中体验模型的长上下文理解、多轮执行、代码生成、工具调用和应用构建能力。

这对新模型推广很重要。

因为 Agent 模型好不好用，很难只靠文字介绍判断。真正的关键是把它放进真实任务中，看它能不能：

持续执行；
稳定调用工具；
正确理解文件；
生成可用代码；
减少反复确认；
在复杂任务中保持方向；
以合理成本完成工作流。

免费试用能降低用户测试门槛，也有利于开发者快速判断是否值得接入。

已接入天工 Skywork，用户可直接体验

据公开信息，SkyClaw-v1.0 模型已于 2026 年 5 月 22 日接入天工 Skywork。用户登录官网，打开天工 Skywork 即可直接使用，无需额外配置 Agent 环境。

这对普通用户很友好。

很多 Agent 模型虽然能力强，但需要复杂配置，比如 API Key、框架、环境变量、工具链部署等。普通用户不一定愿意折腾。

接入天工 Skywork 后，用户可以直接在产品中体验 SkyClaw-v1.0 的能力，更容易上手。

对开发者来说，也可以通过 API 接入自己的应用。官方项目页面显示，SkyClaw-v1.0 可通过 apifree.ai 使用 OpenAI-compatible API 接口调用。

SkyClaw-v1.0 适合哪些场景？

1. AI 编程和代码 Agent

SkyClaw-v1.0 适合代码生成、文件编辑、项目改造、多文件工程处理和应用构建等任务。

尤其是对 Claude Code、Codex、OpenClaw 等框架用户来说，它可以作为一个高性价比模型选择。

2. 长文档和长上下文处理

百万 token 上下文让它适合处理大型文档、研究资料、项目说明、企业知识库和复杂上下文任务。

3. 研究型数据分析

对于需要多轮分析、读取资料、生成结论和整理报告的任务，SkyClaw-v1.0 的长上下文和多步执行能力会比较有用。

4. 交互式应用构建

模型支持交互式应用构建场景，适合用自然语言生成网页、工具、Demo 和应用原型。

5. 企业自动化工作流

企业可以用它处理内部流程自动化、文件整理、工具调用、报告生成和知识库问答等任务。

6. 多 Agent 协作

由于 SkyClaw-v1.0 适配主流 Agent 环境，它也适合放入多智能体协作系统中，让不同 Agent 共同完成复杂任务。

为什么 Agent 模型越来越重要？

过去大模型主要比拼聊天、写作和问答能力。

但现在，用户真正想要的是“把事情做完”。

比如：

帮我改一个项目；
帮我生成一个网页；
帮我整理一份报告；
帮我分析几十个文件；
帮我调用工具跑完流程；
帮我把任务拆解并持续推进。

这类任务需要的不是普通对话模型，而是 Agent 模型。

Agent 模型必须具备：

长上下文能力；
工具调用能力；
多步规划能力；
文件操作能力；
代码生成能力；
执行过程中的自我修正能力；
稳定的成本和响应速度。

SkyClaw-v1.0 正是围绕这些能力推出，所以它的意义不只是“又一个国产大模型”，而是国产模型在 Agent 生态里的新尝试。

对开发者有什么价值？

对开发者来说，SkyClaw-v1.0 的价值主要体现在三点。

第一，成本低。
Agent 任务调用量大，低价格有助于降低开发和测试成本。

第二，上下文长。
百万 token 上下文适合处理复杂项目和长任务。

第三，生态兼容。
支持 OpenClaw、Hermes、Nanobot 等 Agent 环境，并适配 Claude Code、Codex 等代码 Agent 框架，更容易接入现有工作流。

如果开发者正在寻找一个国产、高性价比、面向 Agent 的模型，SkyClaw-v1.0 值得测试。

对企业用户有什么价值？

企业使用大模型时，最关心的通常是成本、稳定性和实际交付能力。

SkyClaw-v1.0 的百万 token 上下文和多步任务执行能力，适合企业处理更复杂的内部工作流。

比如：

研发辅助；
知识库问答；
项目文档分析；
合同和资料整理；
业务报告生成；
代码审查和生成；
流程自动化；
客服和运营辅助。

如果价格确实低于主流模型一半，并且性能在真实任务中稳定，SkyClaw-v1.0 对企业来说会有很强吸引力。

尤其是那些想大规模部署 Agent 工作流，但又担心调用成本过高的团队，可以重点关注。

国产 Agent 模型竞争正在加速

SkyClaw-v1.0 的发布，也说明国产大模型竞争正在进入 Agent 阶段。

过去大家主要比较通用能力：谁写得好、谁推理强、谁知识更丰富。现在新的竞争重点变成：

谁更会调用工具；
谁更适合 AI 编程；
谁能处理更长上下文；
谁能跑完多步骤任务；
谁能进入 OpenClaw、Hermes、Claude Code 等生态；
谁的价格更适合真实业务规模化使用。

SkyClaw-v1.0 用百万 token 上下文、低价策略和 Agent 生态适配，切入了这个新赛道。

这对国产模型发展是个积极信号。

未来，模型不只要“聪明”，还要更会执行、更便宜、更容易接入工具链。

仍需关注实际体验和稳定性

虽然 SkyClaw-v1.0 的发布信息很亮眼，但真正落地还需要关注几个实际问题。

比如：

百万 token 上下文下的响应速度如何；
工具调用在不同框架中是否稳定；
代码生成质量是否可靠；
长任务执行是否容易跑偏；
API 服务稳定性如何；
价格是否长期保持；
免费试用结束后的使用门槛如何；
企业级安全、权限和合规能力是否完善。

这些因素都会影响模型能否成为开发者和企业的长期选择。

所以，最好的方式仍然是把它放进真实任务里测试，看它是否真正适合自己的工作流。

总结：SkyClaw-v1.0 用百万上下文和低成本切入 Agent 时代

昆仑万维天工 AI 发布 SkyClaw-v1.0，并同步推出 SkyClaw-v1.0-lite，代表国产大模型在 Agent 场景中的又一次重要推进。

它支持百万 token 上下文，适配复杂工具调用、多轮任务执行、代码生成、文件编辑、交互式应用构建和研究型数据分析等真实工作流场景。模型经过 mid-train、SFT 和端到端强化学习优化，可以在 OpenClaw、Hermes、Nanobot 等主流 Agent 环境中运行，也适配 Claude Code、Codex 等代码 Agent 框架。

更重要的是，SkyClaw-v1.0 主打高性价比。官方项目页面显示，其输入输出价格明显低于多款主流模型，同时提供 2 至 4 周免费试用，降低了开发者和企业的测试门槛。

如果后续在真实任务中保持稳定表现，SkyClaw-v1.0 有机会成为国产 Agent 模型生态里一个值得关注的新选择。