Qoder上线Sonus：专攻Computer Use
相关推荐
Holo4发布：千问底座，专门强化Computer Use
动察 Beating AI 快讯，法国 AI 公司 H Company 发布 Computer Use 模型 Holo4，包括 27B 和 35B-A3B 两个版本。前者基于 Qwen3.8 dense 架构，后者基于 Qwen3.5 MoE 架构继续做后训练。 H Company 主要强化了电脑操作和长任务执行能力，把原本的通用模型进一步训成面向 Computer Use 的 Agent 模型。 监督微调阶段，H Company 一共用了 1270 亿 tokens，其中约四分之三是成功完成任务的 Agent 操作轨迹，覆盖桌面、网页、手机、MCP 和 API。随后又做强化学习，分别训练「桌面和网页」与「终端、MCP 和 API」两类专家能力，再合回同一个模型。公司还自己生成了约 1 万个软件操作任务，用来训练跨应用和长流程工作。 H Company 还重做了 Agent harness，让模型在数百步任务里持续记住前面的操作，并可以直接调用电脑上的 shell。 效果主要体现在长任务上。Holo4 27B 在 OSWorld 2.0 得到 61.7%，Qwen3.8-27B 官方成绩为 48.0%；在普通 OSWorld 上，Holo4 为 85.2%，Qwen3.8-27B 则为 84.3%。不过这些成绩的 harness、任务版本和评测设置并不完全一致，不能当成严格的同条件对照。
Instinct和Muse想到一块：Agent免费，靠交易抽成
动察 Beating AI 快讯，个人 AI Agent Instinct 创始人 Noah Shinn 在首次公开长访谈中讲了公司准备怎么赚钱。 Shinn 希望 Instinct 最终能长期免费，不向用户收订阅费。Agent 替用户订酒店、购物等完成交易后，Instinct 再向拿到订单的商家收一小笔佣金。不过这目前还只是他的目标，Instinct 暂时没有承诺永久免费。 Shinn 也明确不想做广告。个人 Agent 会越来越了解用户，也会越来越擅长影响用户的决定。如果平台靠广告挣钱，Agent 就可能开始劝用户买原本没打算买的东西。他更希望 Instinct 只从用户本来就要完成的交易里挣钱。 具体抽多少还没定。Shinn 拿 Shopify、Amazon 和 Apple 的平台抽成做参照。Instinct 目前约一半交易额来自旅行，一些精品酒店愿意为它带来的订单支付最高超过 30% 的佣金，但 Instinct 不一定会收这么高。 巧的是，扎克伯格此前给 Muse 设想的也是这套模式：大多数用户免费使用，Agent 帮用户完成交易后，再向获得生意的商家收费。
Meta把Muse接进AI眼镜：看到什么，直接让Agent去办
动察 Beating AI 快讯，Meta 宣布把个人 AI Agent Muse 接入旗下 AI 眼镜。用户以后可以直接对着眼镜叫 Muse，再把任务交给它。Muse 会在后台继续执行，完成后再回来告诉用户结果，不需要一直掏手机操作。 能做的事情已经不只是问问题。比如让 Muse 带着你完成个性化训练、记录一顿饭并分析营养，或者预约服务、查机票价格。看到想买的商品时，也可以直接让它帮忙购买；开车或做饭时，还能让它去网上找需要的零件。 Meta 的眼镜此前已经接入 Muse Spark，主要负责理解用户看到的东西、回答问题和提供建议。这次接进去的是完整的 Muse Agent。它可以连接日历、购物等服务，把眼镜里的一句语音继续变成后台任务。 Meta 同时大幅扩充 AI 眼镜产品线。年底前，Ray-Ban、Oakley 和 Meta Glasses 合计将提供超过 100 种款式。新发布的 Ray-Ban Meta Audio 甚至直接取消摄像头，只保留音频和 AI，单次续航最长 12 小时。眼镜正在变成 Meta 给 Muse 准备的全天候入口。
去中心化存储与 AI Agent 记忆平台 Lighthouse 完成战略融资
Foresight News 消息，去中心化存储与 AI Agent 记忆平台 Lighthouse 完成战略融资，总融资额达到 158 万美元，参投方包括 Walrus 基金会、Protocol Labs、Smape Capital、CSP DAO、Balaji Srinivasan、Big Brain Holdings、Fenbushi Capital、HASH CIB、LongHash Ventures、Mask Network、NGC Ventures、2Link 和 Formless Capital 等。 Lighthouse 表示，融资将用于加速 Memory Infrastructure（记忆基础设施）、MCP 集成，以及基于 IPFS + Filecoin + Walrus 的去中心化存储层建设，让 AI Agent 能够实现跨会话、跨模型的共享可验证记忆，无需每次从零开始。
Cua Driver给Agent补上「眼睛」：纯像素界面也能识别按钮和文字
动察 Beating AI 快讯，开源 Computer Use 工具 Cua 给 Cua Driver 加入可选的 Perception 视觉扩展。Driver 原本优先通过网页结构和系统无障碍树找按钮。遇到 Canvas、游戏、远程桌面或自绘应用时，这些结构可能为空。Perception 会直接读取截图，把画面拆成带文字、类型和位置的区域，供 Agent 继续操作。 首版用 OmniParser 识别图标和控件，用 PP-OCR 读取文字。整个解析过程在本机 CPU 完成，不需要 GPU，也不把截图发到网络。官方实测单张截图在 macOS 约需 2 至 2.5 秒，Linux 为 3.5 至 4 秒，Windows 为 8 至 9 秒。它主要在页面结构和无障碍树失效时兜底，不会默认每一步都跑视觉解析。 Cua 还限制了视觉操作对旧截图的复用。每次视觉识别都会绑定当前截图的 `capture_id`，随后点击必须来自同一张截图。截图超过 60 秒，或者已经执行过一次操作，Driver 就会拒绝继续使用，避免界面变化后还拿旧坐标误点。 Cua 过去其实已经能通过 `cua-som` 和 OmniParser 做视觉定位。现在这套能力被直接接进 Cua Driver，上层 Agent 可以通过统一接口拿到识别结果。即使模型本身不会看图，也可以根据这些文字和区域信息决定下一步操作。 Perception 不是默认组件，其中 OmniParser 检测器采用 AGPL-3.0；Cua Driver 仍保持 MIT 协议。
Manus 2.0正式发布：全新架构、Studio专业工具与个人Agent应用Cue同步上线
动察 Beating AI 快讯，Manus 正式推出 2.0 版本，此次升级并非简单迭代，而是围绕「下一代 Manus 应该是什么样子」的全面升级。 核心升级包括：自研 Agent 框架 Cascade，测试显示 Token 消耗降低 23.2%、任务完成时间缩短 28.2%、运行成本下降 32%；新增云电脑，为游戏服务器或长期自动化提供专属环境；自动化支持事件触发，邮件、Slack、Notion 等变化均可启动工作流。 桌面应用升级为 Manus Studio，按需引入工具。重点推出视频编辑器（支持时间线精修与 Alchemy 创意模式）和游戏开发环境（支持实时修改、一键多人联机与云电脑托管）。Computer Use 能力同步升级，用户可通过自然语言远程操控授权电脑。 全新独立应用 Cue 上线，专为个人 Agent 打造，支持手机与桌面。每个 Agent 拥有独立邮箱、电话、钱包与电脑，可组建多 Agent 团队协作，并对接线下服务。 Manus 表示，2.0 关注想法落地后的精修与掌控，延续「帮助人们把想法变成现实」的初衷。