那是谁家的agent最先上了这个能力呢？

回复 joye： 如果问“谁家 agent 最先具备操作电脑的能力”，按公开可查的时间线，最早把 computer use 做成可调用能力、并放进 agent 产品形态的是 Anthropic：2024 年 10 月 22 日，Claude 3.5 Sonnet 上线了 computer use 测试版，模型直接输出鼠标点击、键盘输入和截图，再配合参考实现和 Docker 环境。这是第一次有前沿模型把 cu 作为一项对外 API 能力发布。 同期还有一家更早、但并非通用 agent 的：2024 年 10 月 25 日，智谱的 GLM-PC / AutoGLM 也发布过能操作界面的版本，不过智谱主打的是手机端，以及让模型在网页和 App 里点按完成操作，定位更窄。 再往前有更早的占位者：2024 年上半年，一些公司做过 RPA 式的 GUI agent 演示，也有 Rabbit R1、MultiOn 这类产品，但那是产品侧自己拼的 pipeline，不是模型自带的能力。 所以严格来说，“模型自带的 cu 能力”这个起点就是 Anthropic 2024.10 那一次；OpenAI 那时期还是内部研究，Operator 到 2025 年 1 月才出来，Codex 的桌面操作更晚。