

> 抛弃繁琐的接口对接，大模型直接获得“键鼠接管权”。这标志着RPA（机器人流程自动化）行业的逻辑被彻底重写，人机交互从“对话框”正式跨入“全GUI接管”时代。

Anthropic 在其 Claude Platform 上线了 Computer Use、Skills API 与 Files API 三大核心功能。这并非一次简单的模型能力迭代，而是直接向操作系统的控制权发起了冲锋。过去的大模型只能在隔离的沙盒中处理文本，或者通过开发者预先写好的 API 脚本与外部软件交互；而现在，Claude 被赋予了直接“看懂”屏幕内容并模拟人类进行键鼠操作的系统级权限。

## 穿透屏幕的数字员工

**视觉解析与键鼠劫持**　Computer Use 的核心震撼在于其对非结构化界面的暴力破解。传统自动化工具依赖于底层代码抓取或固定坐标点击，一旦软件界面更新便会集体罢工。Claude 通过极高频的屏幕截图与视觉多模态大模型的实时解析，建立起对当前 GUI（图形用户界面）的语义级理解。它能够像人类一样寻找按钮、输入文本、拖拽文件，这种“像素级”的交互逻辑直接绕过了软件厂商设置的 API 访问壁垒。

**数据壁垒的物理消融**　配合 Files API 与 Skills API，Claude 实际上在本地计算机中建立了一个完整的闭环工作空间。它可以自主打开本地 Excel，提取财务数据，调用外部检索技能补充行业信息，最后生成一份 PDF 并通过邮件客户端发送。整个过程不需要 SaaS 厂商开放任何接口，因为在数字世界里，拥有视觉和操作权限的 AI，其行为特征已经与一个全职坐在工位上的碳基白领毫无二致。
![12.jpg](https://static.downly.cn/images/bba499721aa25f77254cb7c21fe77013.jpg)
<center>图源备注 图片由AI生成</center>

## 桌面端算力革命下的职场出清

**SaaS商业模式的坍塌危机**　当前按“席位（Seat）”收费的 B 端软件生态将面临底层逻辑的动摇。当一个 Claude 账号可以在云端全天候不知疲倦地操控几十个不同的企业软件时，传统的软件交互门槛被彻底抹平。企业不再需要购买昂贵的系统集成服务，只需要雇佣几个高级 AI 智能体，让它们通过 GUI 去完成跨软件的数据搬运与协同。

**初级脑力劳动者的结构性剥离**　数据录入员、初级审核专员以及大部分依赖“跨软件复制粘贴”的文职工作，将在未来十二个月内面临最严峻的生存挑战。工作流的重塑不再是温和的工具辅助，而是直接接管。打工人的核心竞争力将从“熟练掌握各类软件操作”迅速降维，被迫转移到“如何精准定义目标与纠正 AI 逻辑偏差”的纯管理性节点上。
![13.jpg](https://static.downly.cn/images/fc5f019d68082f7871b6feb3dd78fac8.jpg)
<center>图源备注 图片由AI生成</center>

当大模型突破了浏览器的文本框，长出了可以触碰本地硬盘和软件的双手，传统软件生态的护城河便在一夜之间干涸。

Claude三大核心API齐发 智能体接管桌面工作流的最后拼图



> OpenAI突袭发布全新一代旗舰模型，以75%的系统级操作成功率首次逾越人类平均水位。数字生命的演进逻辑已从内容生成彻底转向实体执行，金领级数字员工的商用奇点正式降临。

## 逾越人类基准的桌面级操控

科技圈再次迎来震撼弹。OpenAI毫无预兆地发布了具备原生电脑使用能力的通用模型GPT-5.4，直接重塑了现有的技术竞争格局。该模型摒弃了传统的外部适配层，直接通过屏幕截图识别、模拟鼠标点击和键盘输入，真正实现了类人化的桌面环境操作。

在衡量真实桌面导航能力的OSWorld-Verified基准测试中，新旗舰的成功率飙升至75.0%。这一数据不仅将前代模型的47.3%远远甩在身后，更是历史上首次超越了72.4%的人类平均基准线。

![22.png](https://static.downly.cn/images/b8f7915be791b06a81475b0af0ac35d8.png) <center>图源备注：图片由AI生成</center>

## 打通应用权限与原生计算逻辑

目前该模型已在网页版和相关开发平台全面上线。大量实测数据表明，它几乎可以接管全部的主流桌面操作流。在深度应用控制方面，它可以自主调起日历应用申请权限以定制提醒，或精准定位第三方播客平台播放指定节目。

在系统级权限的调用上，用户能够通过自然语言指令令其更换桌面壁纸，甚至在终端环境中熟练调用各类开发工具。更具突破性的是原生计算逻辑的转变 机器不再单纯输出计算结果，而是直接在系统自带的计算器内进行模拟点击，彻底完成了从对话助手向执行实体的跨越。

![23.png](https://static.downly.cn/images/ad5450552465bbf1ca6f3a3eb435b88e.png) <center>图源备注：图片由AI生成</center>

## 深度赋能开源智能体生态

这款前沿大模型的问世，无疑成为了爆款开源项目OpenClaw的天选引擎。接入新底座后，系统无需依赖复杂的黑客手段即可实现流畅的桌面自动化。其高达一百万Token的超长续航能力，根治了程序在处理长程复杂任务时的遗忘顽疾。

此外按需取用的机制促使资源消耗量锐减47%，大幅压缩了全天候运行的成本。在专业推理维度，其表现已超越八成以上的人类专家，推动基础设施从初级脚本运行器蜕变为能够输出财务分析与投资备忘录的高级智囊。

## 金领工作面临全方位重构

业内对此次技术迭代给予了极高评价。多位科技初创公司掌舵人断言，新体系的编程能力已近乎无懈可击，其专业水准即将凌驾于顶尖咨询公司、投行和律所之上。随着官方接入方案的落地，个人专属AI员工已迈过概念阶段打通现实路径。

搜索结果: 桌面自动化