Yutori 釋出 Navigator n2：27B 模型打通桌面與終端

如果讓你把資料夾裡的 100 張照片按順序重新命名，你大機率會寫個指令碼或者跑一行命令，而不是傻傻地滑鼠右鍵點 100 次。

但這正是過去大多數計算機代理（Computer-use Agent）在做的事：它們坐在螢幕前，笨拙地模仿人類去截圖、找按鈕、點選、打字。

AI 初創公司 Yutori 正式釋出了 Navigator n2。這是一個 27B 引數的桌面作業系統模型，不僅能看懂螢幕，還學會了在圖形介面、命令列和寫程式碼之間自由切換。

不做「機械臂」，做系統原生操控

Yutori 之前推出的 n1 和 n1.5 只能在瀏覽器裡跑，而這次的 n2 則是跨 Linux、macOS 和 Windows 的全功能桌面模型。

團隊提了一個核心觀點：人之所以用圖形介面，是因為介面是給人設計的，但 AI 沒必要給自己套上這層枷鎖。如果重新命名 100 張照片只要終端裡的一句迴圈，模型就該直接敲命令列；只有遇到必須看圖、點按鈕或者網頁互動時，它才切換回圖形介面。

在 OSWorld 2.0 這項複雜的長流程基準測試中，n2 拿到了 65.2% 的成績，超過了 GPT-5.6 Sol 的 62.6% 和 Claude Fable 5 的 66.1%，僅次於 Claude Opus 5 的 70.6%。在檢驗圖形介面與命令列混合任務的 WeaveBench 上，它跑出了 70.3% 的高分；在驗證真實桌面任務的 OSWorld-Verified 上，它甚至拿下了 85.3%，壓過了 Kimi K3 和 Claude Fable 5。

用自己的 AI 抓自己的蟲

要讓一個 27B 的中體量模型打平甚至超越大模型，關鍵在於資料和訓練方式。

Yutori 把代理自己丟進了訓練資料的生成飛輪裡。過去兩個月，他們讓計算機代理在數百個真實應用中探索，摸清楚哪些操作可行，由此生成了 1 萬多個涵蓋商業服務、工程設施、資料分析等領域的真實任務。

每個任務都會配上專門的驗證器，直接檢查系統的最終狀態，比如資料庫記錄有沒有變、檔案有沒有生成，而不是聽模型自己彙報。如果模型通過作弊或者非預期路徑矇混過關，驗證器就會把這些邊緣情況抓出來，變成下一輪訓練的反面教材。

此外，團隊採用了一種叫作線上自蒸餾（OPSD）的學習方式，據稱在耗時上比常規強化學習快了 4 倍，特別適合讓模型攻克原本成功率為零的硬骨頭。

在成本上，n2 的 API 輸入定價為每百萬 token 0.5 美元，命中快取只要 0.05 美元，輸出則是 4 美元。

為什麼重要

我們認為，Navigator n2 最有價值的地方在於打破了「操作電腦等於模擬滑鼠」的思維定勢。

對於想要開發自動化工作流的團隊來說，之前的計算機代理最大的問題不是笨，而是又慢又貴。呼叫超大模型每看一張截圖都要花上幾美分，一步點錯還要反覆回滾。n2 依靠 27B 的體積和混合互動邏輯，把成本壓到了極低區間。這意味著普通開發者哪怕跑一個長達幾百步的桌面自動化流程，錢包也不會立刻見底，完全值得現在接入 API 做真實場景的概念驗證。

從行業競爭來看，它給一味堆砌視覺多模態大模型的廠商提了個醒：只靠螢幕截圖做桌面代理，在很多系統級任務上是極其低效的。讓模型學會什麼時候調 API、什麼時候敲 Bash、什麼時候才去點按鈕，可能比單純提升影像識別精度更能解決實際問題。

不過看起來它的隱患也很明顯。一個擁有完整程式碼執行和終端許可權的代理，在跨應用操作時一旦發生幻覺或者走偏，對本地系統的破壞力遠高於純點選介面。如何在沒有人工逐幀盯防的前提下給它的命令列加上防越權護欄，會是工程落地上最大的考驗。