出现了一个不起眼却很关键的新能力:async tool calling。过去一次典型的工具调用是串行的:模型发起调用,等待工具返回结果,然后继续推理。Astra现在可以在一个工具仍然运行时继续思考、调用其他工具,或者先处理任务中的其他部分。
这越来越接近真实的人类工作方式。例如,一个Agent接到“分析这个月销售异常,并更新CRM、生成Power BI汇报”的任务后,它可能直接通过API读取CRM数据;同时在浏览器里查询客户背景;调用Shell处理数据;最后发现Power BI并没有合适的现成接口,于是进入软件界面直接完成图表。模型选择工具的能力变强了,这是最可怕的地方。
Google最新的Gemini 3.8 Flash也出现了同样的方向。Google把它明确定位为“built for long-horizon coding and autonomous agents”,并解释这一代模型在复杂任务中会执行更多推理步骤,并反复调用工具。3.8 Flash也是Google六周内发布的第三代Flash模型。
投资达人说
几条技术路线也开始逐渐失去清晰的边界,自由为Agent所用。API能够直接调用,就走API;网页更方便,就进入Browser;需要批量处理数据,可以写代码;软件没有适合机器的入口,也可以直接操作GUI。
一位大模型领域的研发工程师说,过去行业里有一条几乎默认的原则,如果能API,就不要点鼠标。这条原则现在暂时还是有效,API还是更快、更稳定、更便宜。
但是,现在并不是非API不可了,它正在从“机器进入软件的必要条件”,变成Agent可以选择的最优路径之一。
换句话说,GUI正在获得一种过去没有的身份:它也开始成为机器(AI)的接口。
过去GUI是给人使用的,API才是给机器使用的。Computer Use一旦变得足够可靠,两者之间的边界就第一次真正开始模糊。