清华团队开源的 OpenMAIC 在 v1.0 中从互动课程生成工具升级为 Agent 驱动的专业工作台，一次完整创作任务平均消耗 362.5 万 Token，8 月已覆盖全球 154 个国家和地区。

9 月 8 日，在巴黎举行的联合国教科文组织 2026 数字学习周上，清华 MAIC 团队带着 OpenMAIC 进行一场 90 分钟的分享与实操。现场由清华大学教育学院张羽教授和于济凡助理教授主讲，参与者来自全球不同国家和地区的教育工作者。这个今年 3 月才正式开源的 AI 教育项目，半年后已经从清华课堂和开发者社区，进入数字学习周活动的现场。

十多天前，OpenMAIC 刚完成一次更关键的升级。8 月 28 日发布的 v1.0，从互动课程生成工具进一步变成“Agent 驱动的专业工作台”：用户给出一个课程目标后，Agent 会继续规划、生成、修改和扩展内容。

升级之后，模型调用量也明显增加。根据团队统计，旧版生成一个互动课堂平均消耗 35.8 万 Token，到了 v1.0，一次完整创作任务平均达到 362.5 万 Token，约为此前的 10.1 倍。

类似变化在 Coding Agent 上已经出现。当 AI 从回答一道编程问题进入完整开发任务，模型调用也从一次问答延伸到规划、读取、修改、测试和再次执行。现在，类似的任务形态开始出现在一门课里。Coding 已经验证专业 Agent 可以创造更高强度的模型调用，教育会不会成为另一个长链条 Agent 场景？

教育界开始有自己的 Codex

今年 3 月开源时，OpenMAIC 最直观的能力还是生成互动课程。到了 v1.0，一次任务开始从生成单个内容，扩大到制作一整套课程。过去老师可能让 AI 做一份 PPT、出几道题；现在，用户可以直接给出一门课的目标，再让 Agent 继续拆解任务、规划课程和生成内容。

这套系统目前提供普通模式和 Pro 模式。普通模式支持联网和上传课件，Pro 模式则进一步加入「引用课件」和 Skill 等能力。先设定为一名科技媒体编辑制定一套 7 天世界模型学习计划。

系统先根据学习目标拆分课程，再按照不同阶段安排内容，并继续为每节课生成 PPT、Quiz 和互动环节。一次需求由此从单个内容生成，扩大成一组连续课程。

系统内置「费曼学习法」「深度交互」「学会学习」等数十种 Skill。对同一个世界模型主题调用布鲁纳螺旋式课程 Skill 后，课程的组织方式随之发生变化：核心内容被继续拆解，再按照理解、提问、评估等不同阶段逐步推进。

最终生成《世界模型是什么》《它是怎么想的》《它是怎么画的》等 6 个不同课件，将前面拆解出的学习路径进一步变成实际课程内容。这套课程还围绕着学习目标：从理解技术概念，逐步过渡到判断产品宣称、识别演示边界和设计采访问题。教学方法开始从 Prompt 中的一句要求，变成 Agent 可以直接调用的能力。

日常积累的行业资料，也可以成为课程的起点。接着上传此前整理的具身智能PPT、PDF，并调用「课堂设计」和「学会学习」两个Skill，测试它如何将已有材料组织成互动课堂。

Agent 会先读取已有材料，再制定学习目标、规划页面内容和课堂角色，经过一系列工具调用后，重新生成一套 AI 互动课堂。最终生成的课件，也会按照前面确定的页面计划展开。页面规划和最终 PPT 的内容结构基本保持对应。

回到前面的世界模型课程，我们继续追加一个任务：把分散在不同课件中的知识点整理成速查表。Agent 会重新读取已有课程，把分散在不同课件中的知识点汇总起来，再按照学习时间、知识点、专业术语和要点等维度，生成一张「核心知识速查表」。

这套操作还可以进一步保存为专属 Skill，并在之后的其他对话中重新调用。除了直接使用 OpenMAIC 内置的教学法，用户在课程制作中形成的处理方式，也可以保存成 Skill，在之后的课程中直接复用。

生成后的 PPT 和课程内容还可以继续编辑。PPT 可以继续二次编辑，课程里的交互页面、媒体文件以及使用到的视频等内容也可以继续处理，并随课件一并导出。用户不需要每次修改都重新生成整套课程，可以继续在已有结果上调整。

一门课，为什么要吃掉 362.5 万 Token

从调用次数看，一次课程任务已经明显变重。旧版 OpenMAIC 生成一个互动课堂，平均消耗 35.8 万 Token；v1.0 一次完整创作任务平均达到 362.5 万 Token。一次任务中，模型平均被调用 74.3 次，用户还会与 Agent 进行 4.1 轮对话和修改。

前面的体验展示了这些调用如何发生：Agent先规划世界模型课程，再根据教学法Skill调整课程结构；导入资料后，需要重新读取和组织内容；课程生成后，还可以继续汇总知识、修改课件。每增加一步，模型都需要重新读取上下文并继续调用。一次生成结束的任务，也因此变成了多步骤连续执行。

Coding Agent 已经提供了一个更成熟的参照。Anthropic 截至 7 月底的年化收入运行率已经超过 650 亿美元，投资者预计到今年年底可能达到 1000 亿—1200 亿美元，Claude Code 是推动需求增长的重要产品之一。

OpenAI 的数据更直接反映了 Agent 对 Token 的放大作用。最新的 Enterprise Signals 显示，截至 6 月，Codex 已贡献企业客户 Codex 与 ChatGPT 合计 64% 的输出 Token。当 Agent 开始读写文件、调用工具并连续执行多步骤任务，单个任务需要消耗的 Token 也会随之增加。

Anthropic 的收入增长和 OpenAI 的 Token 数据指向同一个变化：当 Coding Agent 开始承担完整开发任务，模型调用也从一次问答变成连续执行。任务越长、步骤越多，Token 消耗也越高。

教育相关的 AI 使用量已经相当可观。OpenAI 8 月发布的学习报告显示，各年龄段用户每周约有 7000 万次 ChatGPT 对话用于检验知识、纠正误区或继续练习；在美国，学年内与课堂作业和家庭作业相关的提示峰值超过 4.6 亿条/周。目前行业还缺少一个覆盖 K12、高校、成人学习和教师工作的统一“教育 Token”口径，这也让完整任务级别的模型调用数据更有参考价值。

在 OpenMAIC 上，也可以看到类似的 Token 增长。按照 8 月数据，产品累计已经消耗 883B Token，最近 30 天消耗 68B Token，环比增长 203%。与此同时，v1.0 单次完整创作任务的平均 Token 消耗达到 362.5 万。单任务消耗和平台整体调用量同时增长，也让教育场景里的 Token 需求开始有了更具体的数据样本。

WorkBuddy、豆包办公、千问等通用 Agent 已经开始覆盖文档、PPT、资料整理和备课等教师工作，一些产品也在接入教育相关能力。继续进入一门课之后，课程设计、教学方法、互动、反馈、个性化学习和多模态内容都会继续拉长模型参与链条。办公 Agent 主要消耗教师完成工作的 Token；教育 Agent 则把模型调用进一步带进一门课乃至完整学习过程。

一只「教育龙虾」走到巴黎

OpenMAIC 的前身 MAIC（Multi-Agent Interactive Classroom，多智能体互动课堂），由清华大学教育学院与计算机系联合团队于 2024 年 4 月启动。最早的验证发生在清华真实课堂里：2024 年春季，AI 教学试点课《迈向通用的人工智能》共有 700 人报名，产生超过 10 万条互动；到了秋季，项目进一步扩展到文、理、工、医等不同专业课程，报名人次突破 2000。

2025 年，MAIC 开始从校内试验向更大范围扩展。4 月，项目上线国家智慧教育公共服务平台，截至 2026 年 7 月 31 日累计注册用户近20万人。同年春季，部分 MAIC 课程已经以学分课形式向清华学生开放，清华教研院研究团队持续跟踪课程质量，学生满意度达到 92%。

这套模式也开始进入更多学校。目前，MAIC 已经在清华大学、北京大学、中国人民大学、北京理工大学、云南开放大学等高校落地，其中在清华覆盖 13 个院系、50 余门课程，《大学如何学》连续两年作为清华大学新生课程开设。K12 场景则进入人大附中、苏州中学、吉林省实验中学等学校，覆盖不同学段和学科。

2026 年 3 月开源后，项目开始进入更大的开发者和创作者社区。项目正式开放后，30 天获得 1.6 万+ GitHub Star、3000+ Fork；截至 2026 年 8 月，Live Demo 平台已经汇聚 55 万+创作者，生成百万门 AI 课程，累计 AI 交互超过 3400 万次，用户覆盖全球 154 个国家和地区。

开源之后，项目也开始进入更多海外合作场景。团队已经与中东地区，以及巴西、马来西亚、德国、法国、美国等国家展开合作，探索多智能体课堂的本地化部署和二次开发。9 月参加的联合国教科文组织 2026 数字学习周，则是这条扩展路径上的最新节点。从清华课堂，到开源社区，再到巴黎，OpenMAIC 的使用边界还在继续扩大。

开源一个教育 Agent，还是一个新入口

作为一个非营利项目，OpenMAIC 选择完全免费开源，并保持模型和 Harness 中立。目前项目可以连接 DeepSeek、GLM、OpenAI 等不同大语言模型，也能调用音频、图像和视频能力；教学法 Skill 则可以进入不同 Agent 和 Harness 环境。

v1.0 同时发布了 OpenMAIC SDK。开发者可以调用 PPT、交互软件、音频、白板和模型等模块，根据学校、机构或具体教学场景重新搭建产品；项目也支持本地部署和二次开发。

这套能力也开始从自己的网页向其他 Agent 工作台延伸。在 WorkBuddy 中，用户可以直接调用 OpenMAIC Skill，让它围绕一个学习目标生成完整课程；同样的能力也支持在 Codex、DeepSeek Harness 等环境中调用。

今年 3 月开源后，项目首先进入开发者和创作者社区；到了 v1.0，Skill、SDK 和跨 Agent 调用又让这些教育能力可以被其他产品直接复用。

专注教育科技的 Reach Capital 今年 8 月刚完成 2.65 亿美元第五期基金募资。它在年初的教育 AI 判断中，也把重点从单纯节省时间的工作流工具、通用课程生成器，继续推向教学法、评估和 AI-native learning。

OpenMAIC 的区别在于：课程规划、教学法 Skill、内容生成、互动、持续编辑和跨 Agent 调用被组织到同一条开放工作流里，同时保持模型和 Harness 中立。

随着课程规划、教学法和互动进一步进入 Agent 工作流，教育 AI 的竞争也开始转向谁能承接更完整的教学过程。OpenMAIC 展示的，是把教育方法与 Agent 执行做成可复用、可调用、可继续改造的开放能力。对基础模型和 Agent 平台来说，教育也正在成为一个新的专业场景。