三个月前，Dwarkesh发布了一段关于RLVR的视频随笔，其中提出的一个框架性问题，让不少做Computer Use的人感到不满。这种公开学习、在大平台上说错话的压力，做这行的人都不陌生。

但就在OpenAI DevDay当天，Computer Use团队的产品与工程负责人Ari Weinstein给出了一个截然不同的判断：Computer Use和几个月前相比，已经是"180度不同"。

打开网易新闻 查看精彩图片

从Sky到自我调试的智能体

Ari Weinstein是Sky的联合创始人，如今在OpenAI负责Computer Use方向的推进。他提到，现在的智能体在调试和从失败中恢复这件事上，能力已经明显不同以往。

过去智能体遇到报错往往就卡住了，现在它们能自己排查问题、尝试恢复。这个变化直接决定了智能体能不能真正完成一整条任务链，而不是走到一半就停摆。

在感知和操作软件的方式上，Computer Use也不再只依赖单一输入。截图、无障碍树、DOM、Playwright以及生成的代码，这几样东西被组合在一起使用，改变了整个速度方程。

App Shots是其中一个具体功能：它能把用户电脑上正在进行的操作上下文，快速带进Codex和ChatGPT。相比普通截图，这种方式给模型的上下文要丰富得多。

比人快，然后呢

Ari Weinstein给出的下一个判断是：Computer Use现在完成某些任务的速度，已经能超过普通人。而再往前一步的目标，是让智能体在使用软件这件事上达到"字面意义上的超人水平"。

这个路径被拆成了两段：先追平人类水平，再超越。目前处在第一段已经跑通、第二段刚开始的位置。

DevDay上同步发布的还有Dots，一个个人助理产品，带有Computer Use相关功能。GPT-6.1 Sol则是新模型，Ari Weinstein特别提到它在Computer Use场景下的成本和速度优势——按他的说法，成本是Astra的五分之一，如果单看Computer Use场景，则是七分之一。

Agents API现在也把Computer Use包含进去了。这意味着开发者可以直接在Codex和ChatGPT所用的同一套Computer Use能力上做开发，而不用自己从零搭一套。

Mac上的原生Computer Use也做了演示：Roman让系统自动截取自己应用的截图，同时他还能在电脑上做别的事情。

当智能体能够操作网站、甚至发起支付时，信任、权限和安全就成了绕不开的问题。这也是Agents API在设计时需要处理的一环。

另一个被反复提到的方向是闭环：Computer Use能把写软件和测试软件这两件事连起来。写完之后直接跑、直接验证，而不是写完再人工切到另一个环节去测。

从被质疑到被拿来和人类速度做比较，Computer Use这三个月的变化，核心不在于某一个功能的上线，而在于智能体终于开始具备"出错之后自己爬起来"的能力。