OpenAI押注计算机使用超人类时刻：Astra如何重塑人机协作

计算机使用代理正在跨过一个临界点：它操作电脑的速度已经超过普通人，而且正在逼近超越专家用户的那一刻。OpenAI 的 Ari Weinstein 和 James Sun 在与 a16z 的 Seema Amble、Fabrizio Serafini 对谈时给出了这个判断——不是预测，而是基于他们自己产品数据的观察。他们认为，计算机使用这项技术正在进入它的"规模化时刻"：模型更好、执行更快、安全控制更强,这三者叠加，让代理第一次在消费和企业场景里变得真正可用。

这场对话的价值不在于又一次模型发布会式的参数罗列,而在于两个真正在一线做产品的人,拆解了"让AI操作电脑"这件事从能做到好用之间，到底差了什么。

1. 从97%到99%：一个几乎感知不到却至关重要的差距

Astra 模型发布之后，Weinstein 的第一反应不是"更聪明了"，而是"更快了"——因为它用更少的思考token就能完成同样的任务。这听起来是个工程细节,但在计算机使用场景里，速度直接决定体验：代理慢了,用户的第一反应就是"我自己动手更快"。

Astra 在创造性任务上的提升也很具体。团队在发布视频里展示过一个演示：用户对话式指挥模型在 Microsoft Paint 里画画,效果明显优于前代。但 Weinstein 认为最关键的变化很难量化——"它在边缘情况下变得更可靠了，99%可靠和97%可靠之间有一种很难感知却极其重要的差异"。这种差异体现在信任感上：你会更放心让它去处理一件没人盯着的任务。

James Sun 补充了另一个维度：Astra 是目前最对齐的模型。系统卡数据显示它对提示词注入的抵抗力明显增强，也更少做出意料之外的动作。这对企业场景意味着,当一个代理被用来处理采购、对接供应商或与客户沟通这类敏感工作时,企业才有理由把权限真正交出去。团队内部还做过一个非正式测试：让 Astra 和前代模型玩电子游戏对抗,Astra 每次都赢,甚至有用户发推称它能在30小时内打通《辐射》——这多少说明了它在长链条、需要持续决策的任务上的能力跃升。

2. dots 背后的逻辑：代理不该等你下指令,该替你盯着事

Weinstein 和 Sun 各自代表了 OpenAI 在计算机使用上的两条战线——消费端和企业端,而两人在对话里不约而同地认为,消费端是探索边界的地方,企业端是容量已经足够、问题变成信任的地方。

消费产品 dots 是这条战线的样板：每个 dot 拥有自己的云端电脑，配一个完整的浏览器,可以替用户买东西、订理发预约,做各种琐碎但耗时的事。Sun 分享了两个自己的真实使用场景。第一个很小：公司邮箱系统收到外部会议邀请后不会自动同步到日历，他因此错过过好几次外部会议，现在 dots 会主动提醒"这封邮件里有个邀请没进你的日历，要不要帮你接受"。第二个更复杂：他原本用自动化脚本每小时扫一遍 Slack，但噪音太大逐渐被他屏蔽；换成 dots 之后，他只需要给一个高层目标——"如果汇报链上的人说了什么,或者有人对产品提出关键反馈，就告诉我"——dots 会判断轻重，并在有人报告 bug 时自己登录 Sentry、拉日志、分析、再把结果喂给 codex 生成反馈，整条链路不再需要他手动介入。

这揭示了一个核心区别：好的计算机使用代理不是等指令的工具，而是能理解模糊目标、主动补位的协作者。这恰恰是 dots 这类产品试图验证的方向。

3. 企业的痛点不是能力不够，而是遗留系统根本没留接口

企业端的叙事完全不同。Sun 指出，大多数大企业的使用场景其实并不难想象——问题是现实：企业内部大量运行了15到20年的遗留软件，从来没有 MCP 工具,也没有任何API可以接入。这些系统的界面停留在上一个十年,普通员工有时候自己都搞不清楚怎么操作某些关键功能。

这恰恰是计算机使用代理的用武之地——它不需要API,只需要能看懂屏幕、能点、能打字,就能操作任何软件。OpenAI 团队已经看到企业开始为这些系统构建"技能"，相当于教模型如何在特定遗留界面里完成特定操作。Sun 把这个状态总结为：企业端的能力已经就位了一段时间,现在轮到企业自己去理解和消化它；消费端则还在探索软件本身尚不存在的新使用方式。

而要让企业真正放手，光有能力还不够，必须有可控的护栏——人类在环节中的介入程度要能被设定，操作过程要能被审计。这是 Astra 对齐性提升之所以被反复强调的原因:速度和智能只是前提,信任才是企业采用的开关。

4. 速度为什么重要：有时候你在等它，有时候它在替你跑

计算机使用的速度问题比表面看起来更微妙。Weinstein 把任务分成两类：一类可以在后台默默完成，用户此时可以去做别的事,这种情况下耗时长短没那么致命;另一类必须等它跑完才能进行下一步,这时候速度会直接决定用户体验的好坏——慢了就会产生"我自己做可能更快"的挫败感。

正因如此,团队把大量精力投入在压缩执行时间上，目标很直接:让计算机使用的速度超过普通人，并逼近超越专家用户的那条线。Weinstein 认为这一刻一旦到来,会是一次真正的转折——此后任何能手动完成的操作，代理都能更快完成，除非你出于某些特定理由坚持自己动手,否则默认选项会变成交给代理。

与此同时，OpenAI 在不同质量和价格区间提供多个模型,更便宜的模型在计算机使用能力上也在持续追赶,这意味着未来用户会在不同任务上选择不同档位的模型，而不是一刀切地追求"最强"。Sun 补充的最后一点，是企业需要的另一种控制权——在安全性、可靠性、自主性与速度之间自己做取舍，而不是被迫接受一个固定的平衡点。

计算机使用代理走到今天，已经不再是一个demo式的噱头，而是一套正在被验证的基础设施：它让遗留软件获得了延续生命的方式，也让还没被想象出来的新应用有了落地的入口。Weinstein 和 Sun 的判断最终指向同一个命题——当速度、智能和信任三条曲线同时向上弯折，计算机使用就从"能做"变成了"值得规模化去做"的那个拐点。