Anthropic近日正式宣布，其备受瞩目的电脑操作（Computer use）、Skills API 以及 Files API 在 Claude Platform 上全面开放，迎来全面可用(Generally Available)阶段。此次更新不仅重磅推出了全新的浏览器使用工具(Browser use tool)，还对各项底层能力进行了深度优化，旨在赋能企业轻松构建能够真正操作软件、运用团队专业知识并输出成品的生产级智能体(Production Agents)。
在核心技术与能力升级方面，电脑操作功能迎来了重大突破。更新后的工具允许 Claude 在单个模型调用轮次中执行多项连续动作，大幅缩短了任务完成时间和调用次数。同时，电脑操作工具现已正式符合医疗保险流通与责任法案（HIPAA）的相关标准，可在签署商业伙伴协议(BAA)的前提下应用于受监管的医疗工作负载。
作为本次发布的绝对亮点，全新的浏览器使用工具正式登场。该工具完美继承了多动作轮次的优势，并创新性地引入了网页结构解析能力。与传统的纯截图点击不同，智能体现在能够直接识别并操作网页上的特定输入框或按钮，从而在网页应用程序中实现更加精准、高效的自动化执行。
在知识沉淀与文档管理生态上，Skills API 与 Files API 提供了强有力的底层支撑。其中，Skills API 允许企业上传和管理自身的专属技能文件夹，内含行业标准指令、脚本与模板，并在 Claude 的代码执行沙盒中安全运行，省去了企业自行托管的麻烦。Files API 则为智能体处理文档提供了稳定高效的存储空间，支持上传 PDF 或电子表格等文件并在后续请求中通过 ID 直接引用，同时实现了自动文件过期机制，速率限制大幅提升至原来的5倍，且每个组织提供高达1TB 的专属存储空间。
随着这一系列重磅功能的全面落地，开发者不仅可以继续通过 Microsoft Foundry 使用 Skills API 和 Files API，更新后的电脑操作和浏览器使用工具也即将登陆 Google Cloud 的 Vertex AI。各行业的企业与开发者正加速借助这套强大的工具链，全面革新复杂业务流程的自动化水平。
OpenAI向开发者开放Codex Harness核心能力，该框架是Codex智能体的运行环境，负责连接模型、用户与工具，管理任务、上下文、会话及代码操作。此前已开源Codex CLI及核心代码，并持续完善Harness与App Server。其架构不仅是代码生成工具，更是完整的Agent执行框架。
企业构建AI时，核心机密数据常埋于长文档、金融申报、法律合同等文件中。传统一次性RAG仅检索固定文本块，缺乏迭代推理，难以处理复杂长文档与跨源对比。为此，Mistral AI推出Agentic升级方案，增强推理迭代能力，破解长文档信息提取难题。
Waymo将谷歌Gemini人工智能助手深度整合进定制自动驾驶出租车Ojai，推动无人出行智能化升级。目前该车型已在洛杉矶、菲尼克斯和旧金山向所有普通用户全面开放，官方今年还计划进一步拓展布局。
阿里巴巴8月20日发布GUI智能体基座模型Qwen-UI-Agent，覆盖移动端、电脑端、网页端及深度搜索，多项核心基准超越业界旗舰。移动端MobileWorld得82.1%，分别领先GPT-5.6Sol和Claude Opus4.8达12.0和14.6个百分点，展现强劲实力。
Google DeepMind宣布Gemma系列模型全球下载量突破10亿次。过去两年开发者已发布超十万个变体，形成创新生态“Gemmaverse”。该模型灵活性高，可部署于本地设备、边缘基础设施乃至太空等复杂环境。
关注 “悠AI” 更多干货技巧行业动态
相关文章
