为什么 Dwarkesh 错误地看待计算机使用 + 如何在一周内从 OpenAI 推出其 Jev 的竞争对手

📌 One-Sentence Summary

OpenAI 的 Ari Weinstein 认为计算机使用在几个月内已经发生了 180 度的变化，而 Nikunj Handa 详细介绍了包括在一周冲刺中构建的 Decisions API 在内的新开发者栈。

📝 Summary

这期 Latent.Space 录制于 OpenAI DevDay，邀请了两位嘉宾。OpenAI 计算机使用产品与工程负责人 Ari Weinstein 回应了 Dwarkesh Patel 关于计算机使用进展缓慢的言论，认为该领域与几个月前已经“180 度不同”。他解释说，智能体在调试、重试和分析失败方面变得更加可靠，而不是在开始任务后就卡住。此外，现代 Computer Use 结合了截屏、无障碍树、DOM、Playwright 和生成的 JavaScript 来同时执行许多操作。他还介绍了 Dots，这些是个人助理，每个助理都拥有自己的云端 Linux 虚拟计算机，并分享了一个将耗时两个小时的 meal-prep 委托任务在 15 分钟内完成的个人例子。在下半部分，来自 OpenAI API 团队的 Nikunj Handa 解析了新的开发者栈：异步工具调用、中途引导、WebSocket、UltraFast 推理、Decisions API、提示缓存、预热、压缩和 Agents API。讨论强调，Decisions API 目前是 Luna 的包装器，但以一种非常快的速度构建，通过复制团队认为好的模式。

💡 Main Points

计算机使用在过去一年取得了巨大进展，与那些认为进展停滞的说法相反。

Ari Weinstein 称该领域与几个月前已经‘180 度不同’，智能体现在能够可靠地进行调试、重试和分析失败，而不是在开始任务后就卡住。

现代 Computer Use 智能体结合多种模态并生成代码以更快地行动。

智能体使用截屏、无障碍树、DOM、Playwright 和生成的 JavaScript，这些同时执行许多操作，从而提高了能力和速度。

Dots 为每个智能体提供自己的云端 Linux 虚拟计算机，实现对完整桌面任务的委托。

与仅限于浏览器或本地计算机访问不同，每个 Dot 运行一个完整的 Linux 环境，可以操作桌面应用程序和网页浏览器，让用户可以委托任何他们在计算机上执行的任务。

OpenAI 新的开发者栈旨在构建更具响应性、延迟更低的智能体。

该栈包括异步工具调用、中途引导、WebSocket、UltraFast 推理、Decisions API、提示缓存、预热、压缩和 Agents API 等，并旨在提升智能体的响应性和长期线程管理。

Decisions API 在非常快的一个星期冲刺中完成，并目前是 Luna 的包装器。

Nikunj Handa 描述了 Decisions API 背后的快速内部故事，指出它目前只是一个包装器，但团队之所以能够如此快速，是因为他们有动力且没有架构上的顾虑，愿意克隆他们认为好的模式。

💬 Key Quotes

计算机使用就像是 180 度不同了。

它们以前只能像可靠地开始任务，但随后就会遇到问题，而现在它们在调试方面非常出色。

每个 Dot 都可以访问自己的云端 Linux 虚拟计算机

它不仅比我快了八倍，还为我节省了两个小时的 GPT-6.1 Sol 时间。

它目前只是一个 Luna 包装器，但团队够有动力且没有架构上的顾虑去克隆他们认为好的模式。

📊 Article Meta

AI Screening： 88

Source： Latent.Space

Author： Latent.Space

Category： 人工智能

Language： 英文

Read Time： 41 min

Word Count： 10035

Tags：

AI 与智能应用 , AI电脑操作 , AI Agent , AI 工程 , AI 产品与应用