近期，一篇深度技术博文揭示出“智能体操控计算机（agentic computer use）”领域正面临根本性瓶颈：当前的主流模型倾向于彻底绕开图形用户界面（GUI），而非像人类一样直接与界面元素进行交互。文章指出，现有的智能...

阿里巴巴通义千问团队近日发布了其最新的多模态智能体模型Qwen3.7-Plus，标志着通用人工智能在感知与行动融合层面迈出了重要一步。该模型将视觉识别与语言理解能力深度融合，构建了一个单一、通用的多模态智能体基础...

近日，一个名为Xilem的实验性、高层次响应式用户界面框架在GitHub上引发Rust开发者社区的关注。该项目旨在为Rust语言提供一个轻量级的视图树构建方案，能够同时支持Web与原生后端，标志着Rust在GUI开发领域向现代化...

GitHub上开源项目Understudy展示了一种新型可教学AI桌面代理的前沿理念。该项目旨在开发一个能够像人类同事一样操作计算机的智能体，其核心创新在于通过演示进行学习，而非依赖传统的脚本录制或API集成。Understudy...

阿里巴巴近日在GitHub上开源了名为“Page Agent”的项目，这是一个运行在网页内部的JavaScript图形用户界面（GUI）智能体。该技术的核心创新在于，允许用户直接使用自然语言指令（如“点击登录按钮”或“在搜索框输入关键...

阿里巴巴开源项目Page Agent近日在GitHub发布，这是一个运行于浏览器页面内的JavaScript图形用户界面智能体。其核心创新在于，允许用户直接使用自然语言指令（如“点击登录按钮”或“在搜索框输入关键词”）来操控网页界...

微软近日发布了Phi-4-reasoning-vision-15B，这是一款开源的、权重开放的多模态视觉AI模型。该模型仅包含150亿参数，却在数学、科学、文档及用户界面（UI）推理任务上，达到了与参数量大数倍的模型相当甚至更优的性...

近日，GitHub上出现了一个名为AionUi的开源项目，它旨在解决当前分散的AI命令行工具在协作与使用体验上的痛点。AionUi本质上是一个统一的图形用户界面（GUI），扮演着“协同工作”（Cowork）平台的角色。它能够自动检...