计算机操作 Agent API 声称省 90% token：OSWorld 2.0 得分 73%，成本仅为竞品六成
AdFluid9823 · reddit · 2026-10-04
一个新开放的 computer-use API「Sai」宣称解决了截图式 agent 的痛点：传统方案逐屏截图、逐步点击推理，token 消耗大、速度慢，且 UI 微移就崩。
核心做法
- 不每步从头规划，而是把计划编译成「自愈代码」，能抵抗 UI 变化；重复任务直接重跑代码而非重新推理屏幕，重复任务最多省 90% token。
- 在 OSWorld 2.0（108 个真实桌面难题）上得分 73%，每任务成本 $15.70；对比 Claude Opus 5 得分 70.6%、成本 $23.70，GPT-5.6 Sol 得分 62.6%、成本 $26.62。
其余信息
- 免费计划含云电脑；适用场景是无 API 的 GUI 任务：老式桌面软件、Excel、内部工具、表单门户、数据录入。
- 团队背后的研究开源：Agent S（ICLR 2025，GitHub 约 1.2 万星），是首个在 OSWorld 上达到人类水平的 agent。
- 发帖者正在征求开发者反馈。
「编程与Agent」频道最新
- AI 全程口述谈成租车与房贷,省下 15-20% 费用 — armand_ruiz · 2026-10-04
- Hermes 优化 Discord 接入流程,部署不再头疼 — Teknium · 2026-10-04
- 让 ChatGPT 删功能反而净增代码,再追问又是 +128 行 — rickasaurus · 2026-10-04
- 黄仁勋解读 Agent Harness：给 LLM 大脑装上外骨骼 — rohanpaul_ai · 2026-10-04
- Windows Defender 误杀文件名列表，换个数据格式绕过扫描 — bytebot · 2026-10-04
- Vitalik 自测隐私优先个人 AI:本地模型编排+zkAPI+Tor 三层防泄露 — kenziyuliu · 2026-10-04