AI 编程实时动态与要闻速递 — 𝕏/Twitter 一手信源

👀19

🔥88

Cua 联合 Scale AI 发布 Cua Driver Bench：评测后台桌面 Agent 是否打扰用户，macOS 厂商口径 cua-driver 全通过率约 58%

2026-11-06，Cua（@trycua）与 Scale AI AgentEnv 联合发布 Cua Driver Bench（Bench v2）：固定 Claude Sonnet 5.5 与任务，只换 computer-use driver，考核任务完成、仅 GUI、以及 8 项「用户未被打扰」。Scale 口径 macOS 后台全通过：cua-driver 约 58%（23/40）、agent-desktop 约 20%、browser-use 约 3%；Cua 自跑 Codex Computer Use 约 33%。任务与轨迹公开可复跑。

核心要点速览

来源：Cua 官方博客 + @trycua 线程 2026-11-06；Scale 独立跑 macOS/Linux，Cua 自跑 Windows 与部分对照
方法：10 项 Bench v2；后台有模拟用户持续打字；全通过=任务完成+仅 GUI+用户 8 项不被打扰
macOS 后台全通过（Scale，厂商口径）：cua-driver 58%、agent-desktop 20%、browser-use 3%；Codex CU（Cua 跑）33%
前台对照（Scale）：cua-driver 约 78%、agent-desktop 70%、browser-use 64%；差距主要来自打扰
落地：GitHub blog 与 libs/cua-driver-bench；HF Space/数据集 earakely-scale/CuaDriverBench-AgentEnv

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Claude Sonnet 5.5 🤖 cua-driver 🤖 codex 🤖 agent-desktop 🌐 Cua 🌐 Scale AI 🌐 OpenAI 🌐 Vercel

#Cua Driver Bench#Cua#Scale AI#AgentEnv#电脑操作#基准测试#Cua driver

Google AI StudioGoogleAIStudio·3 天前收录

👀17

🔥86

查看推特原帖 ↗

Gemini API 的 Computer Use 工具正式 GA：浏览器、移动端、桌面三类智能体可上生产，接口与预览版无破坏性变更

Gemini API 更新日志显示，Computer Use 工具已于 10 月 30 日在 Interactions 与 GenerateContent 两套 API 上正式 GA；@GoogleAIStudio 11 月 4 日官宣称与预览版相比没有破坏性变更，可用于生产级浏览器、移动端与桌面控制智能体。官方文档列出支持模型：Gemini 4 Argon、推荐的 Gemini 3.8 Flash、Gemini 3.5 Flash-Lite 及 Gemini 3 Flash Preview；动作附带 intent 推理说明，并提供 safety_decision 确认机制和可选的截图提示注入检测。

核心要点速览

10 月 30 日起 Computer Use 在 Interactions 与 GenerateContent API 同时 GA
官方称与预览版无破坏性变更，已有代码可直接沿用
支持浏览器、移动端、桌面三种环境；推荐模型为 Gemini 3.8 Flash
每个动作带 intent 字段；safety_decision 可要求用户确认或直接拦截
可选开启截图提示注入检测（Gemini 3.5 Flash-Lite 及以上，默认关闭）

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Gemini 4 Argon ⚡ Gemini 3.8 Flash ⚡ Gemini 3.5 Flash-Lite 🌐 Google DeepMind

#Gemini API#电脑操作#GA#智能体#Google AI Studio#browser automation

Anvishaanvisha·30 天前收录

👀111

🔥86

查看推特原帖 ↗

Voyager 发布：创意工作的 “Codex”，一个桌面 Agent 直接操控 Blender、DaVinci Resolve、After Effects、Ableton 出成片

Moda 背后的 Nullframe 团队（YC F26）发布 Voyager：本地桌面 Agent 通过各软件原生脚本接口操控 Photoshop、Premiere、Resolve、Blender、Unity、Ableton 等，自带免费 Design/Video/DAW 引擎，可接 Claude Code、Codex 或自带 API Key；发布帖 148 万曝光。

核心要点速览

发布帖 24 小时内约 148 万曝光、3074 收藏、2457 赞（X 公开数据）
可驱动 9 款主力软件：Photoshop / Illustrator / After Effects / Premiere Pro / DaVinci Resolve / Final Cut Pro / Blender / Unity / Ableton Live，另有 Cinema 4D、Houdini、Remotion、Manim 等技能
内置约 40 个技能，支持 MCP 服务器，并能复用你为 Claude Code / Codex / Cursor 安装的 skills（FAQ）
应用免费、自带 Key 不收费；付费计划 $19/月起，生成按模型原价计费不加价（1 credit = 1 美分，8 秒 Seedance 2.5 约 277 credits）
macOS 需 Apple Silicon + macOS 15；Windows 11 / Linux 为 alpha，桌面版 v0.1.84 于 10 月 8 日发布

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Claude Opus 5.5⚡ DeepSeek⚡ Seedance 2.5⚡ Veo 3.1🤖 Voyager 🤖 Claude Code 🤖 Codex 🌐 Nullframe 🌐 Moda

#智能体#Creative#Desktop agent#MCP#Blender#Davinci resolve#Yc

OpenAI@OpenAI·39 天前收录

👀230

🔥96

查看推特原帖 ↗

个人桌面智能体三国杀：Grok Bot vs Meta Muse vs OpenAI Dots 功能与定位对照

OpenAI DevDay 发布 Dots（GPT-6 Astra、自带云电脑、4000+ 插件）后，消费级「个人/桌面智能体」形成三足：Cursor/xAI 的 Grok Bot（开发者队友+例程）、Meta Muse（Secure VM 消费助理，口中常误称 Mate Muse）、OpenAI Dots（常开主 Dot）。本文只据官方文档做功能对照，不编造跑分。

核心要点速览

「Mate Muse」核实为 Meta Muse（2026-09-08）：官方介绍 + How We Designed Muse，跑在 Muse Secure VM，模型 Muse Spark，偏生活/目标助理。
OpenAI Dots（2026-09-29 DevDay）：Introducing dots，GPT-6 Astra，自带云电脑，插件生态 4000+；面向 ChatGPT Pro / Business Premium 等，起步一枚 primary Dot。
Grok Bot：Cursor 文档 — 持久云电脑（浏览器/文件系统/终端）、Plugins/MCP、Skills/Routines、多 Bot 协作；含于付费 Cursor 计划或 SuperGrok/X Premium+ 绑定（见 Plans）。
公开无三方同台 SWE-Bench/Agent Arena 官方对照；选型看场景：编码/例程/多 Bot→Grok Bot；消费生活助理→Muse；ChatGPT 生态常开助理→Dots。
共性：云端隔离电脑 + 敏感动作审批；差异：Grok Bot 强开发者例程与本地执行策略，Muse 强消费连接与 WhatsApp，Dots 强插件广度与 Pro 订阅捆绑。

阅读全文

关联模型 / 智能体 / 厂商:

⚡ GPT-6 Astra⚡ Muse Spark⚡ xAI Grok🤖 Grok Bot 🤖 Meta Muse 🤖 OpenAI Dots 🌐 OpenAI 🌐 Meta AI 🌐 xAI 🌐 Cursor (Anysphere)

#Grok Bot#Meta Muse#OpenAI Dots#个人智能体#桌面 Agent#云电脑#MCP#GPT-6 Astra#Muse Spark#对比

Vaibhav (VB) Srivastav@reach_vb·64 天前收录

👀63

🔥91

查看推特原帖 ↗

OpenAI 员工：Astra 电脑操控大幅领先 Sol，ScreenSpot-Pro 76.9%→92.7%

OpenAI 员工 Vaibhav（@reach_vb）披露 GPT-6 Astra 相对 GPT-5.6 Sol 的电脑操控评测跃升：ScreenSpot-Pro（找点击位置）从 76.9% 升至 92.7%；OSWorld 2.0 桌面工作流从 65.7% 到 72.6%，延迟模拟耗时少 47%；Mind2Web 网页任务配合更新后的 Codex harness 约快 1.9 倍。这对依赖浏览器/桌面 Agent 与 Codex 的编码工作流是硬指标信号。