> 数据图表咨询下各位Agent 开始从“回答问题”走向“完成任务”，Computer Use 能力快速接近人类2026-9-3如果回看 ChatGPT 发布以来的四年，大模型的演进并不是简单的参数扩大和模型版本迭代，而是经历了几次能力范式的跃迁。2022 年底至 2023 年是大模型从“语言模型”走向“通用助手”的阶段。以 ChatGPT 和 GPT-4 为代表，预训练模型经过指令微调和人类反馈强化学习后，第一次能够以自然语言界面完成问答、写作、代码等广泛任务。2023 年至 2024年，行业的主要变化是能力快速扩散和模型边界不断拓宽。一方面，GPT-4 曾经形成的能力门槛被越来越多模型追上，模型性能提升的同时推理成本快速下降，大模型因此不再只是“聊天机器人”，而开始能够读取更多现实世界的信息，并调用外部工具解决问题。 真正重要的下一次跃迁发生在 2024 年下半年至 2025 年。以 OpenAI o1、DeepSeek-R1等为代表的 Reasoning Model 将强化学习和推理时计算引入模型能力扩展，大模型开始从依赖一次前向生成答案，转向在回答之前进行更长时间的搜索、推理、验证和纠错。Scaling的重点也由单纯增加预训练计算量，逐渐扩展到 Post-training 和 Test-time Compute。数学、代码和复杂问题求解能力因此出现明显跃升，模型开始由“会说”向“会想”演进。 2025 年以来，Reasoning 进一步与工具调用结合，推动大模型由“回答问题”走向“完成任务”。Coding 成为最先跑通的 Agent 场景，Claude Code、Codex 等产品已经能够自主读取代码库、制定计划、修改文件、运行测试并反复纠错Deep Research、Computer Use等能力则开始将这一范式扩展到研究和更广泛的知识工作。华泰证券综合其他
