@stevibe: 我进一步探索了本地模型的另一种可能性：将 Qwen3.6 35B A3B 与 NVIDIA LocateAnything-3B 结合，作为一个本地计算机使用代理…

X AI KOLs Timeline 工具
local computer-use agent open-source qwen nvidia proof-of-concept

摘要

演示了一个本地计算机使用代理，结合了 Qwen3.6 35B A3B 和 NVIDIA LocateAnything-3B 模型，通过截图执行切换 Mac 显示模式等任务，无需无障碍 API，完全在本地硬件上运行。

我进一步探索了本地模型的另一种可能性：将 Qwen3.6 35B A3B 与 NVIDIA LocateAnything-3B 结合，作为一个本地计算机使用代理（概念验证）。 在演示中，我让它将 Mac 切换到浅色模式。它做到了。然后切换回深色模式。它同样做到了——在系统设置中找到正确的开关，点击它，并自行验证更改。 它完全基于截图，因此无需无障碍 API。只要屏幕上显示出来，代理就能看到并执行操作。这一切完全运行在你自己的硬件上——私密、本地，由两个小型开放模型构建而成。
查看原文
查看缓存全文

缓存时间: 2026/06/04 04:00

我进一步探索了本地模型的可能性：Qwen3.6 35B A3B + NVIDIA LocateAnything-3B，作为本地计算机使用智能体（概念验证）。

在演示中，我要求它把 Mac 切换到浅色模式，它完成了。再切换回深色模式，它也做到了——找到系统设置中的正确开关、点击它，并自行验证更改。

整个过程完全基于截图，因此无需 Accessibility API。只要内容出现在屏幕上，智能体就能看到并操作。这一切完全运行在你的自有硬件上——私密、本地，由两个小规模开放模型构建而成。

相似文章

本地模型优化（3 分钟阅读）

TLDR AI

本文分析了在 MacBook Pro 上本地运行 AI 推理的可行性，对比了本地 Qwen 35B 模型与云端 Claude Opus 4.5。结论是，对于常规任务，本地模型速度快 2 倍，尽管在能力上略有差距，但仍是日常工作量中一半任务的实用选择。