而很多当前的 GUI Agent 缺少的正是这一层。它能识别界面、能理解指令，却仍然主要依赖真实交互去排除错误路径。也就是在环境里不断试错，直到碰到正确步骤。换句话说，它更像是在反应，而不是在决策。

人工智能领域的发展速度往往让预测显得保守，但当我们把目光投向即将到来的 GPT-5 时代，特别是传闻中的 GPT-5.4 版本时，两个关键词显得格外耀眼：原生电脑操控（Computer Use）与深度 Thinking 模式。这不再仅仅是关于“更聪明的聊天机器人”，而是关于 AI 如何从“对话者”进化为真正的“操作者”。 许多开发者还在为如何优化 Prompt 绞尽脑汁，OpenAI 似乎正准备掀 ...

把大模型「放进电脑里」，会出现一种很奇特的反差： 它能写代码、能推理、能把论文总结得头头是道；但一旦让它去操作 Excel、Word 这种真实桌面软件，却像第一次用电脑的人 -- 点错菜单、来回切换，甚至在同一页里循环点击。 很多人第一反应会觉得是 Agent 没看清按钮，或者没理解任务，不知道界面上各个选项是什么意思。但在真实软件里，更大的问题往往不是「看不见」，而是「不知道点下去会发生什么」。

【新智元导读】GPT-5.4，已经把白领桌面一口吞下！1M上下文，原生Computer Use，Excel直接变身数据分析平台；超越麦肯锡，取代投行律所咨询公司不是梦。白领工作，要被AI彻底颠覆了吗？

就在刚刚，OpenAI 头号竞争对手 Anthropic 推出了 “computer use” 功能，让 Claude 能够像人类一样操作电脑了！看屏幕、动光标、点按钮、打字等。通过 API，开发者可以让 Claude 将指令翻译成计算机指令，从而解放一些枯燥的重复性流程任务。 一、西方的Anthropic 的 ...

智通财经APP获悉，国金证券发布研报称，GPT-5.4的发布标志着AI从“对话生成”向“任务执行”的关键跃迁，通过原生Computer Use、Tool ...

从协作到执行，桌面 Agent 正在重塑 AI 在现实世界中的角色。它为办公效率提供了前所未有的可能，也带来了系统权限与隐私边界的深层挑战。 效率与隐私的博弈，并非此消彼长，而是需要通过制度设计达成新的平衡。当 AI 开始“动手”，监管与产品设计也必须同步进化。否则，执行能力越强，风险外溢越快。

Perplexity公司推出了名为"Computer"的新工具，允许用户分配任务并观看由协调多个智能体运行各种模型的系统来完成这些任务。 该公司声称，目前面向Perplexity ...

IT之家 10 月 8 日消息，谷歌正在预览一款全新的 Gemini 人工智能模型，该模型旨在通过浏览器浏览网络并与之交互，使 AI 智能体能够在原本为人而非机器人设计的用户界面中执行操作。这款名为“Gemini 2.5 计算机使用”（Gemini 2.5 Computer Use）的模型，利用“视觉 ...

当地时间2月25日，AI企业Anthropic宣布收购西雅图AI初创公司Vercept，以补齐旗下智能体工具Computer Use的视觉短板。 Computer Use是Anthropic为旗下大模型Claude打造的核心能力，于2024年10月随Claude 3.5 Sonnet一同推出，可支持Claude像人类一样完成看屏幕、操控键鼠、操作软件等动作，处理多步骤跨应用复杂任务，是Anthro ...

近期，科技圈被一个名为“原生电脑操控能力”（Native Computer ...

OpenAI最新发布的GPT-5.4模型引发科技圈热议，其内置的"原生电脑操控能力"成为焦点。这项被称作Native Computer Use的技术突破，标志着人工智能开始具备直接操作计算机的物理能力，而不再局限于文字交互层面。