Hugging Face 推出免費雲端智慧體：對標 Operator，可代操虛擬機器

如果給 AI 一臺連了網的電腦，它到底能幫你幹多少活。

OpenAI 之前拿出的 Operator 讓不少人眼饞，但那玩意兒門檻高且價格不菲。5 月 6 日，開源社群 Hugging Face 做了一件很符合他們風格的事，直接上線了一款免費的雲端電腦操控智慧體，名字就叫 Open Computer Agent。

你開啟網頁就能用，背後是一臺預裝了火狐瀏覽器等工具的 Linux 虛擬機器。只要你在對話方塊裡輸入一句話，比如幫我用谷歌地圖搜一下 Hugging Face 巴黎總部的地址，它就會自己開啟瀏覽器、移動滑鼠、敲鍵盤，一步步把結果找出來。

慢半拍的「新手實習生」

聽起來很科幻，但實際用起來，可能更像在看一個不太熟練的實習生幹活。

根據 TechCrunch 的實測，讓它搞搞簡單的單個網頁搜尋還行，一旦任務稍微複雜一點，比如去查機票這種需要多步驟篩選和跳轉的活兒，它就會直接卡殼。更要命的是，只要碰上網上的驗證碼攔截，它基本就束手無策了。

而且它不是隨叫隨到的。因為跑在免費的雲端資源上，你用之前還得在網頁上排隊，排隊時間從幾秒到幾分鐘不等。動作反應也明顯偏慢，滑鼠點一下都要猶豫一陣子。

不過，Hugging Face 的工程師們壓根就沒打算拿它去跟頂尖的商業閉源模型比拼極限效能。

團隊成員 Aymeric Roucher 在社交平臺 X 上解釋得很實在。他們真正的目的，是想證明現在的開源視覺模型已經足夠強，而且在雲端執行的成本已經降到了普通人能免費玩的程度。現在的視覺模型自帶座標定位能力，也就是把螢幕截圖看懂之後，能精準定位到介面上任何一個元素的畫素座標，從而實現替你點選和輸入。

為什麼重要

對於普通使用者和開發者來說，Open Computer Agent 最大的價值在於它把原本遙不可及的智慧體技術拉到了零門檻的水平。如果你平時就對 AI 操控電腦好奇，現在完全不用自己折騰複雜的本地開發環境，也不用綁信用卡買 API，點開網頁排個隊就能親眼看看它怎麼操作桌面。但指望它現在替你處理工作肯定不現實，慢吞吞的速度和動輒被驗證碼卡死的情況，註定它目前只能算個好玩的實驗品。

從行業來看，這步棋走得非常聰明。現在大廠都在把電腦使用能力打包成昂貴的企業級訂閱，而 Hugging Face 用實際行動告訴大家，只要開源模型和基礎算力到位，這種能力遲早會變成雲端標配。KPMG 最近的調查顯示，已經有 65% 的企業在測試類似的 AI 智慧體，Markets and Markets 更是預測這個市場會從 2025 年的 78.4 億美元飆升到 2030 年的 526 億美元。Hugging Face 選在這個時間點把開源原型做成開箱即用的網頁工具，顯然是在為開源生態搶佔心智。

我們認為，這種開源試水最大的軟肋還是在現實網路環境的對抗上。網頁防爬和反機器人機制越來越嚴苛，光靠模型在虛擬機器裡識別畫素點選，只要通不過人機驗證，整條操作鏈就會立刻斷掉。接下來能拉開差距的，恐怕不是點選有多準，而是怎麼解決網路反爬和互動延遲的硬傷。