Hugging Face 推出免费云端智能体：对标 Operator，可代操虚拟机

如果给 AI 一台连了网的电脑，它到底能帮你干多少活。

OpenAI 之前拿出的 Operator 让不少人眼馋，但那玩意儿门槛高且价格不菲。5 月 6 日，开源社区 Hugging Face 做了一件很符合他们风格的事，直接上线了一款免费的云端电脑操控智能体，名字就叫 Open Computer Agent。

你打开网页就能用，背后是一台预装了火狐浏览器等工具的 Linux 虚拟机。只要你在对话框里输入一句话，比如帮我用谷歌地图搜一下 Hugging Face 巴黎总部的地址，它就会自己打开浏览器、移动鼠标、敲键盘，一步步把结果找出来。

慢半拍的「新手实习生」

听起来很科幻，但实际用起来，可能更像在看一个不太熟练的实习生干活。

根据 TechCrunch 的实测，让它搞搞简单的单个网页搜索还行，一旦任务稍微复杂一点，比如去查机票这种需要多步骤筛选和跳转的活儿，它就会直接卡壳。更要命的是，只要碰上网上的验证码拦截，它基本就束手无策了。

而且它不是随叫随到的。因为跑在免费的云端资源上，你用之前还得在网页上排队，排队时间从几秒到几分钟不等。动作反应也明显偏慢，鼠标点一下都要犹豫一阵子。

不过，Hugging Face 的工程师们压根就没打算拿它去跟顶尖的商业闭源模型比拼极限性能。

团队成员 Aymeric Roucher 在社交平台 X 上解释得很实在。他们真正的目的，是想证明现在的开源视觉模型已经足够强，而且在云端运行的成本已经降到了普通人能免费玩的程度。现在的视觉模型自带坐标定位能力，也就是把屏幕截图看懂之后，能精准定位到界面上任何一个元素的像素坐标，从而实现替你点击和输入。

为什么重要

对于普通用户和开发者来说，Open Computer Agent 最大的价值在于它把原本遥不可及的智能体技术拉到了零门槛的水平。如果你平时就对 AI 操控电脑好奇，现在完全不用自己折腾复杂的本地开发环境，也不用绑信用卡买 API，点开网页排个队就能亲眼看看它怎么操作桌面。但指望它现在替你处理工作肯定不现实，慢吞吞的速度和动辄被验证码卡死的情况，注定它目前只能算个好玩的实验品。

从行业来看，这步棋走得非常聪明。现在大厂都在把电脑使用能力打包成昂贵的企业级订阅，而 Hugging Face 用实际行动告诉大家，只要开源模型和基础算力到位，这种能力迟早会变成云端标配。KPMG 最近的调查显示，已经有 65% 的企业在测试类似的 AI 智能体，Markets and Markets 更是预测这个市场会从 2025 年的 78.4 亿美元飙升到 2030 年的 526 亿美元。Hugging Face 选在这个时间点把开源原型做成开箱即用的网页工具，显然是在为开源生态抢占心智。

我们认为，这种开源试水最大的软肋还是在现实网络环境的对抗上。网页防爬和反机器人机制越来越严苛，光靠模型在虚拟机里识别像素点击，只要通不过人机验证，整条操作链就会立刻断掉。接下来能拉开差距的，恐怕不是点击有多准，而是怎么解决网络反爬和交互延迟的硬伤。