过去一年，国内大模型产品的发布会几乎都在比参数、比榜单、比上下文长度。但近日的一个明显变化是，几家头部厂商的更新重点已经不约而同地转向了“智能体”（Agent）。语言模型不再只是被动回答问题的聊天框，而是开始被要求自主拆解任务、调用外部工具、在多轮执行中自我纠错。
DeepSeek 近期的版本迭代中，工具调用与多步推理的稳定性被放到了更突出的位置。其开放平台文档里，函数调用（Function Calling）的示例覆盖了搜索、代码执行、文件读写等常见场景，并且在复杂指令下减少了“只说不做”的情况。对开发者而言，这意味着可以把一个模糊的需求直接交给模型，由它规划出若干子任务并依次执行，而不是由人手工拼接每一步的提示词。DeepSeek 一贯的低推理成本，也让长时间、多轮次的智能体循环在实际业务中变得可承受。
智谱清言则在智能体平台上走得更远。其清言 App 内已支持用户以自然语言创建带特定技能的智能体，并可挂载知识库、联网检索与自定义工具。面向企业侧的 GLM 系列模型强调结构化输出与指令遵循，在表格填写、合同字段抽取、工单分类等场景中被大量调用。智谱方面多次提到，智能体的价值不在于单轮回答多漂亮，而在于把一段业务流程稳定跑通，这对模型的格式约束能力和抗干扰能力提出了更高要求。
Kimi 的路线偏向长文本与信息整合。其擅长的超长上下文能力，在智能体场景中恰好对应“读完整份材料再动手”的需求：把数十份研报、会议纪要、代码仓库一次性喂给模型，让它归纳要点、比对差异、生成待办清单。月之暗面近期在产品和 API 上强化了文件解析与多文档交叉引用，实际使用中，用户更常见的用法是让 Kimi 先读完一批资料，再基于这些资料去调用搜索或生成结构化报告，形成“先理解、后执行”的闭环。
阿里千问与字节豆包则在生态侧发力。千问系列模型通过开源与云服务两条腿走路，Qwen 的多个尺寸版本在开源社区被广泛微调为垂直智能体，覆盖电商客服、法律咨询、工业质检等方向；通义 App 侧则把文档处理、图片理解、代码助手等能力打包成可直接调用的技能。豆包依托字节的产品矩阵，在办公协作、内容创作等场景中嵌入智能体式交互，强调低门槛——用户不需要理解什么是工具调用，只需要说出目标，产品负责把流程串起来。
这股转向背后有几项共性技术支撑。一是函数调用协议的成熟，让模型输出可以被程序可靠解析；二是推理模型带来的“先想后做”，使多步任务的规划质量明显提升；三是上下文长度与记忆机制的改善，让智能体在长流程中不至于“忘了自己做到哪一步”。与此同时，评测体系也在变化，单纯的语言理解榜单之外，任务完成率、工具调用准确率、平均执行步数等指标开始被厂商频繁引用。
不过，智能体的落地仍有明显短板。多步执行中的错误会累积，一步调用失败可能导致整条链路中断；工具描述不清时，模型容易选错工具或传错参数；涉及支付、删除、外发等敏感操作时，权限边界与人工确认机制尚不统一。多位从业者的共识是，当前阶段更现实的形态是“人在环上”的协作式智能体，由模型承担重复性规划与执行，关键节点交回人工确认。
对普通用户来说，最直观的感受是产品入口在变：从“问它一个问题”变成“交给它一件事”。对行业来说，竞争焦点正从模型本身转向“模型加工具加流程”的整体方案。语言模型的能力上限仍决定智能体的天花板，但能否把能力转化为可靠的任务完成率，才是接下来一段时间真正拉开差距的地方。
标签：智能体,DeepSeek,智谱清言,Kimi,千问