标签
作者探讨为什么移动智能体（mobile agents）的表现远不如编码智能体（coding agents），指出手机具备摄像头、传感器、位置、通知和大量个人上下文等丰富资源，但现有移动智能体多为普通AI助手套壳或仅点击屏幕的简单实现，并提出关于限制因素（模型能力、系统限制、工具链或问题定义方式）的开放讨论。
该论文揭示了引入评判器的蒙特卡洛树搜索（MCTS）为何无法提升计算机操作智能体的表现，并提出了 Probe-and-Resume（探查并恢复）策略：仅在候选最终状态下调用评判器，并赋予其对分叉环境的完整探查权限。该策略使 Terminal-Bench 2.1 的任务成功率提高了 8.4 个百分点，而成本不到 Codex CLI 的一半。
腾讯 ARC 的论文提出了 Player-1，一套面向游戏控制的后训练框架。该框架通过扩展动作空间、在 6,044 条游戏轨迹上进行监督微调（SFT）初始化，并利用 16 个可通过程序验证的合成环境进行近端策略优化（PPO）多环境强化学习，显著超越监督学习基线与现有最强基线。
CLASHarness 提出了一个可控且可验证的框架，用于在计算机使用任务中生成多智能体冲突场景，对15个前沿视觉语言模型进行了基准测试，揭示了模型在真值验证、冲突解决和共享资源协调方面的薄弱环节。
用户 rileybrown 称赞 Codex 的计算机操作功能非常强大，表示现在已经离不开它了。
Poorna Singh Baghel 介绍 Betrox AI：一个采用多工作单元架构的自主智能体系统，可将单条高层次自然语言指令拆解并交给专门的后台工作单元，同时操作桌面应用、浏览器、终端和本地文件，实现完整的操作系统级控制。
一条推文重点介绍了一项基准测试，结果显示，大型通用模型与专用模型在计算机操作能力上存在显著差距，而专用模型由于缺乏必要的词汇，在指向任务中大多失败。
一条简短的 X 帖子，开玩笑地说计算机使用似乎已经被“解决”了，并引用了一项对比，显示大型通用模型由于词汇更丰富，在计算机用户界面上定位目标的能力优于专用模型。
作者重新评估Jev类模型的价值，认为随着模型足够快和便宜，原本靠if-else拼接的业务逻辑、实时语音交互、计算机操作和机器人决策都可以交给System 1模型处理，形成SOTA后台深思考模型与System 1实时模型分工的新范式。
Pine AI 发布 Pine Computer，宣称通过将 computer use 视为编码问题并重构智能体的观察空间，仅需 $1 成本即可达到竞品 $25 的效果，且启动速度快 2-5 倍，有望解决 computer use 太贵太慢的痛点。
ViSkill 提出一种视觉原生的技能学习框架，将成功交互编码为可复用的视觉技能卡，与策略优化形成闭环反馈，在 Sokoban、FrozenLake 等基准上超越多种基线。
Opposable 发布于 Product Hunt，让 Claude Code、Codex 或任意 MCP 智能体能够看到、点击并输入真实 iPhone 或 Android 手机上的内容，覆盖所有已登录应用；常见任务在手机端直接运行无需模型，支付需用户确认，iPhone 可通过蓝牙或 USB 小配件连接。
offstage 是一款免费开源工具，为 Claude Code、Codex、opencode 等编程智能体提供一个独立的 macOS 登录账户，让模拟器、Xcode UI 测试和智能体构建的应用在该账户的桌面上运行，从而不占用用户自己的屏幕、键盘和鼠标。
Figure 创始人 Brett Adcock 宣布推出个人 AI 智能体 HARK Pro，基于常驻云端的计算机操作模型 Handoff，可自主完成购物、叫车、订餐、数据汇总等真实任务，今日起在网页、iOS 和 Android 上线，订阅价 $20/月或 $200/年。
连续创业者 Brett Adcock 创立的初创公司 Hark 正式发布了 Hark Pro，这是一款基于计算机操作模型的 AI 个人助理，能够端到端地代用户操作电脑，同时强调保护隐私，而非通过广告驱动的数据变现。该产品配备定制界面，包含聊天功能、主动式任务推送以及可视化的浏览器导航窗口，旨在建立用户的信任感。
Gumloop 推出 Agent Browsers，一个托管的浏览器环境，让 AI 智能体可以操作那些没有 MCP 或 API 的网站——包括云端运行的浏览器、集成 1Password 的凭据保险库、持久化配置文件、实时查看与会话回放、隐身/代理会话，以及可复用的工作流。
OpenAI 宣布与 Ironclad 建立合作，将真实的合同与采购工作流程转化为 AI 智能体的训练与评估任务。在这些任务上，GPT-6 Astra 的得分比 GPT-5.6 Sol 高 32%，同时将每次尝试的估计耗时缩短了 48%。
作者描述 Windows 10 因被视为已停止支持而遭 OpenAI 和 Anthropic 放弃兼容性更新，导致 ChatGPT 的 Computer Use 无法截屏、Work 模式报错，以及 Claude 的 shell 功能在 W10 更新后失效，逼迫用户升级到不愿使用的 Windows 11。
宝玉 (@dotey) 深入分析了 amontlabs/lcu 项目：它并非自研模仿，而是直接复用 OpenAI ChatGPT 桌面版内置的 Computer Use 运行时，通过 MCP 将该能力暴露给 Claude Code、Codex CLI、Pi 等任意 Agent 工具调用。LCU 仅提供 js 和 js_reset 两个工具，模型通过编写 JavaScript 操作预置的 cua 对象（getState/getApp/click/typeText 等）完成桌面控制，并支持访问性 API 直接点击 UI 元素。
Reduck 推出 Reduck MCP，作为浏览器操作的记忆层，通过复用脚本让 AI 代理的浏览器任务提速约 2.5-3 倍，并借助 Chrome 扩展解决登录与反机器人检测问题，同时维护主流网站的官方脚本库。