Agent 大战，，，，，谁也等不起。。。。。

作者｜桦林舞王

编辑｜靖宇

2025 年底，，，，，一个奥地利开发者 Peter Steinberger 用一个小时写了个 Agent 工具，，，，，最初叫 Clawdbot，，，，，名字蹭了 Claude 的边。。。。。Anthropic 发状师函威胁执法行动，，，，，Steinberger 被迫更名，，，，，先改成 Moltbot，，，，，厥后又改成 OpenClaw。。。。。

这原来是一件小事。。。。。

但 OpenClaw 随后爆了。。。。。GitHub 上狂飙到 17 万星，，，，，单周会见量破 200 万，，，，，成了有史以来增添最快的开源 Agent 项目之一。。。。。更要害的是，，，，，它默认推荐用 Claude 模子跑使命——某种水平上，，，，，它是 Anthropic 最大的免费流量入口之一。。。。。

然后 Anthropic 做了一件蠢事：最先封禁那些把 Claude API 接入 OpenClaw 的用户账号。。。。。

社区炸了。。。。。

Vercept 的产品让 AI 可以让 AI 控制电脑｜图片泉源：Vercept

「用自己花钱买的 API 做自动化，，，，，被封号」，，，，，这个操作让 AI 圈对 Anthropic 的舆论在一夜之间翻转。。。。。Steinberger 自己也彻底凉了对 Anthropic 的心。。。。。

2026 年 2 月 15 日，，，，，Sam Altman 宣布：Peter Steinberger 加入 OpenAI，，，，，认真下一代小我私家 Agent。。。。。

11 天后，，，，，Anthropic 宣布收购 Vercept。。。。。

媒体的第一反应大多是：「又一家创业公司被大厂收购了。。。。。」

但这两件事放在一起看，，，，，说的是统一件事：AI 的战场正在爆发一次很是详细的迁徙——从「谁的模子更智慧」，，，，，到「谁能让 AI 真正控制一台电脑」。。。。。

而在这场迁徙里，，，，，Anthropic 现在处于被动追赶的位置，，，，，部分缘故原由是它自己造成的。。。。。

01

屏幕，，，，，真正的「最后一公里」

已往几年，，，，，AI 的能力突破大多爆发在对话框里——你打字，，，，，它回覆，，，，，精准、流通、越来越快。。。。。但有一件事始终没变：你依然得亲自翻开软件、点击按钮、复制粘贴，，，，，然后再回来问 AI 下一步怎么做。。。。。

这就是 Agent 要解决的问题。。。。。

Agent 不是让 AI 更智慧地回覆你，，，，，而是让 AI 直接替你干活：帮你翻开 Excel、填好表格、切换到邮件客户端、把数据发出去，，，，，然后关掉窗口。。。。。整个历程，，，，，你只需要说一句话。。。。。

问题在于，，，，，要做到这一步，，，，，AI 必需先「看懂」你的屏幕——识别出每一个按钮、输入框、菜单，，，，，然后像人一样去点它。。。。。

这件事听起来简朴，，，，，现实上极难。。。。。

一个有意思的征象是，，，，，在 AI 写代码、做剖析、天生报告这些领域，，，，，各家的差别已经越来越小。。。。。但在「看屏幕、控电脑」这件事上，，，，，差别依然是代差级别的。。。。。

OpenAI 自己的 Operator，，，，，在 OSWorld（模拟真实电脑操作使命的基准测试）上得分是 38.1%。。。。。Anthropic 的 Computer Use，，，，，只有 22%。。。。。而人类平均水平是 72.4%——对，，，，，AI 做这件事，，，，，现在还远不如通俗人随手。。。。。

02

Vercept 为什么值得？？？？？？？

这就是 Vercept 被盯上的缘故原由。。。。。

Vercept 的首创团队来自 Allen 人工智能研究所（Ai2），，，，，几小我私家在机械人感知、盘算机视觉、强化学习领域都有深挚积累。。。。。

Vercept 团队做的 Vy，，，，，走的是一条和 OpenAI 完全差别的手艺蹊径。。。。。

Operator 的逻辑是「读代码」：通过剖析网页底层 DOM 结构（文档工具模子），，，，，明确界面有哪些元素可以交互。。。。。这种方法速率快、稳固性好，，，，，但有一个硬伤——它只对有结构的 web 界面有用。。。。。遇到外地软件、老系统、没有 API 的企业应用，，，，，它就完全没辙。。。。。

Vy 的逻辑是「看像素」：一直截图，，，，，用视觉模子明确屏幕上的所有内容，，，，，再模拟鼠标键盘操作。。。。。笼罩规模是任何有屏幕的软件——不管是 Excel、外地 ERP，，，，，照旧一个 20 年前开发的企业内网系统。。。。。

Vercept 先容视频｜视频泉源：Vercept

Vercept 宣布过一组数据：在 UI 元素识别基准测试 ScreenSpot v1 上，，，，，他们自研的 VyUI 模子准确率是 92%，，，，，OpenAI 同类模子是 18.3%。。。。。ScreenSpot v2 上是 94.7% 对 87.9%。。。。。

这个差别不是「我们优化得更好」，，，，，而是底层手艺蹊径带来的系统性优势。。。。。

正是这个工具，，，，，补了 Anthropic 的短板。。。。。

Claude 的 Computer Use 能用，，，，，但一直不敷惊艳。。。。。吸收 Vercept 的模子和团队，，，，，是 Anthropic 在「看屏幕」这件事上最快的提速方法。。。。。

03

OpenAI 在抢的，，，，，

是另一个入口

OpenAI 合并的 OpenClaw 是另一回事，，，，，但同样要害。。。。。

Peter Steinberger 做的 OpenClaw，，，，，不是桌面 Agent，，，，，而是把 AI 操控能力接入 WhatsApp、Telegram 这类新闻平台——你在手机上发一条新闻，，，，，它帮你在电脑上完成一个使命。。。。。

这条路解决的不是「AI 怎么看屏幕」，，，，，而是「用户从那里发指令」。。。。。

这个细节很主要。。。。。大大都人不会专门翻开一个 Agent 界面来操作电脑，，，，，但天天都在用新闻 App。。。。。把指令入口放进新闻 App，，，，，是让 Agent 真正融入一样平常使用习惯的要害一步。。。。。

OpenAI 收人而不是收公司，，，，，抢的就是这个偏向的工程能力和产品直觉。。。。。

以是这两笔「收购」，，，，，针对的是 Agent 国界的差别条理：Anthropic 在补「屏幕感知」的手艺短板，，，，，OpenAI 在结构「指令入口」的场景卡位。。。。。

一个是基础设施，，，，，一个是用户习惯，，，，，缺哪个都不可。。。。。

更大的配景是，，，，，这场战争等不起。。。。。

Google、Microsoft 早就在结构，，，，，UiPath 这类 RPA（机械人流程自动化）公司的股价在 Anthropic 收购 Vercept 的新闻发出后下跌了 3.6%——市场已经嗅到了威胁。。。。。

Agent 时代的竞争，，，，，实质上是一场基础设施的抢占。。。。。谁先把「AI 控制电脑」这件事做到足够好用，，，，，谁就在未来几年的企业和小我私家市场里握有真正的筹码。。。。。

Vercept 团结首创人兼早期投资者 Oren Etzioni 说了一句挺直白的话：「我们基本上照旧认输了。。。。。」

但认输的缘故原由，，，，，不是手艺欠好——他们的手艺在某些维度上领先全场。。。。。认输的缘故原由，，，，，是这场战争烧的钱和资源，，，，，不是一家 20 人的首创公司能撑起来的。。。。。

这或许也是 AI Agent 这个赛道最无情的地方：

好手艺不敷，，，，，还得有足够大的容器来装它。。。。。

*头图泉源：ProductHunt

本文为极客公园原创文章，，，，，转载请联系极客君微信 geekparkGO

极客一问

你以为 Vercept 的手艺，，，，，

和豆包手机有什么区别？？？？？？？

苹果宣布 Mac mini，，，，，首度实现美国本土化生产。。。。。

点赞关注极客公园视频号，，，，，