AI 博客

标签: computer-use

← 返回 AI 博客

11 分钟读完

那个比率是按任务算的,而收件箱是按天来的

2026 年 11 月 16 日,OpenAI 把计算机操作型智能体放进了医院软件,并报告评审者把 325 项电子病历收件箱任务中的 99% 评为临床安全。给这个比率配上一个分母——每位临床医生每年约 3,220 条消息——它描述的就是一年 32 到 90 次不安全的处置,而支撑它的证据体量只有一位医生一个月的量。价值主张缺的是同一个分母:一项覆盖 983,154 条门户回复的队列研究发现,AI 起草工具在它碰过的消息上快 29.5%,而在整条队列上慢 8.6%——因为一份草稿会在本来没人需要去读的消息上造出审阅工作。

11 分钟读完

OSWorld vs WindowsAgentArena vs AndroidWorld vs BrowserGym:校验器就是基准本身

这四个东西被当作对同一种能力的四次测量来引用,而它们其实是四个不同的对象。其中两个根本不拥有自己的校验器:WindowsAgentArena 把 OSWorld 的指标库整套搬了过来,而 BrowserGym 是一个 harness、导入的是被包装基准各自写的那一套。决定一个分数能不能迁移的那条轴,不是操作系统、也不是任务数量——而是那个检查读的是什么。OSWorld 会自己先按下 Ctrl+S,再把存好的文件与一份标准副本比对;AndroidWorld 读的是设备状态,而那是一个没有别的运行会共享的随机任务实例;BrowserGym 那个 reward 浮点数,在一行里装的是二元的页面检查,在下一行里装的是词袋 F1。

9 分钟读完

同一个模型,吃的是两套不同的「电脑操作」工具

问 Claude Opus 5.5 支持哪套「电脑操作」工具,文档给的是两个答案:在 Claude API 上它只接受 `computer_toolset_20260801`,更早的版本一律报错;而在 Amazon Bedrock 上它接受更早的 `computer_20251124`。两者在形状与截图上限上都不同——2,576 像素长边下的 4,784 个视觉 token,对约 115 万像素——于是同一个模型字符串跑出的是两个智能体:定位精度不同,每步成本也不同;而在 Claude API 上,没有任何一个模型同时接受这两套。

11 分钟读完

模型搬进了笔记本,信任边界没有跟着搬

Perplexity Computer 现在可以把模型、规划与文件处理全部跑在 Apple 芯片的 Mac 上:没有推理请求离开设备,也不计额度。这回答了数据驻留,却几乎没有触及数据外泄:智能体仍在获得许可后读取邮件与信息、仍坐在你的文件上,而且在同一个应用里仍握着一条已授权的云端路径。本地推理删掉的是供应商的请求日志——连带删掉的还有紧急停止开关、出口管控与集中审计轨迹。

10 分钟读完

UI-TARS、Agent S3、cua 与 OpenAdapt 对比:你挑的是一个层,不是一个智能体

Agent S3 推荐 UI-TARS 作为它的定位模型,所以这四者里有两个是同一个栈的上下两半——而以「OSWorld」之名发表的五个数字,跨度有 63 个百分点。请按「你缺的是四个层里的哪一个」来选,并按那条真正把它们分开的轴来选:每次任务运行时,是不是都由一个模型来决定点哪里。

11 分钟读完

Safari MCP、Chrome DevTools MCP、Playwright MCP 与扩展式智能体对比

在这件事上,工具数量什么也决定不了。真正决定「浏览器智能体能不能干活」以及「遇上恶意页面会有多糟」的那根轴,是它握着哪个会话——一个隔离的自动化上下文、一个在悄悄累积登录态的专用配置档,还是你自己那个已登录的浏览器。今年交付了 MCP 服务器的两家浏览器厂商都有意把你自己的会话排除在外,这正是它们都做不了大家以为会有的「智能体帮你下单」演示的原因。

10 分钟读完

Gemini Spark 搬进了你的 Chrome 配置文件,而那道交还控制权的线划错了地方

Google 的智能体如今驾驶你正登录着的那个 Chrome,能取用你保存的密码,并在付款时把控制权交还给你。可付款恰恰是唯一带着拒付窗口的动作;邮箱被读、数据被拷走、找回地址被改掉,全在那条线的无人值守一侧。

9 分钟读完

Browserbase vs Steel vs Hyperbrowser vs Anchor Browser:你选的是谁持有那个会话

四家都讲 CDP,所以自动化代码一天就能搬走,SDK 对比什么也决定不了。真正的选择是:谁持有已登录的 profile、谁持有重建它所需的凭据,以及你继承的是谁的出口 IP 信誉——外加一个事实:它们之间的延迟差距全部来自控制面。

10 分钟读完

Atlas 将于 8 月 9 日关停:智能体浏览就此一分为三

OpenAI 将在上线九个月后关停 ChatGPT Atlas 浏览器,把它的能力拆进一个 Chrome 扩展、一个应用内浏览器与一个服务端云浏览器。这不是从智能体浏览撤退——这是承认浏览器智能体从来不需要一个浏览器。它需要的是贴近一个已登录的会话,而这三个替代形态,正是"借用谁的会话"这个问题的三个不同答案。

22 分钟读完

Browser-Use、Stagehand、Skyvern 与 Playwright MCP:LLM 该如何操作网页的四种答案

当没有 API 时,智能体只能自己操作浏览器——而四个开源项目对"它该如何看页面"意见相左。browser-use 读取 DOM,Skyvern 看像素,Stagehand 让你在代码与 AI 之间自由调节,而 Playwright MCP 根本不是智能体,而是任何模型都能调用的标准浏览器工具层。选其一其实是两个决定:Python 还是 TypeScript,以及框架还是 MCP 服务器。

15 分钟读完

Claude Computer Use(收购 Vercept 后)、Codex 后台 CU、Operator 与 Gemini:四种让 AI 自己操作鼠标的下注方式

在 OSWorld 上拿到 72.5% 已经是地板而非里程碑——而三家实验室在"鼠标应该跑在哪里"这件事上做了架构上完全相反的下注。选错了就要永远跟自己的沙箱搏斗;选对了,模型两分钟能做完你 RPA 栈两周的活。