Новая функция Claude: самостоятельное выполнение задач — руководство по управлению компьютером с помощью ИИ

Anthropic недавно представила значительное обновление для модели Claude 3.5 Sonnet, добавив функцию самостоятельного выполнения задач с прямым управлением компьютером. Это означает, что Claude больше не просто диалоговый помощник — он способен «видеть» экран и взаимодействовать с интерфейсом, как человек, открывая новые возможности для автоматизации офисной работы и программирования.

Что изменилось с появлением функции самостоятельного выполнения задач Claude

Основой этой новой функции стало специально разработанное Anthropic API, которое позволяет Claude воспринимать компьютерный интерфейс и взаимодействовать с ним. Разработчикам достаточно ввести команду, и Claude преобразует её в конкретные компьютерные действия — например, открыть браузер, заполнить форму или проверить электронную таблицу.

Согласно официальным данным, в стандартном тесте OSWorld Claude 3.5 Sonnet показал результат 14,9% в понимании скриншотов — хотя это ниже уровня человека (70–75%), модель уже опережает другие ИИ-системы. При выполнении большего количества шагов результат может достигать 22%.

Как использовать возможности Claude для управления компьютером, чтобы повысить продуктивность

Для обычных пользователей способность Claude управлять компьютером позволяет значительно сократить рутинные ручные операции. Например, когда вам нужно собрать информацию из нескольких источников, достаточно описать задачу Claude — и он автоматически откроет нужные приложения, найдёт данные и заполнит их.

На данный момент такие компании, как Replit, Canva и DoorDash, уже тестируют эту функцию. Replit даже разработала с её помощью специальный инструмент для проверки приложений, который автоматически оценивает работу кода в процессе разработки. Такая способность к самостоятельному выполнению задач делает Claude идеальным для обработки повторяющихся, многошаговых рабочих процессов.

Новая функция Claude: расширенные возможности кодирования и работа с многошаговыми задачами

Помимо управления компьютером, это обновление значительно усилило навыки Claude в программировании. В тесте SWE-bench Verified оценка Claude 3.5 Sonnet выросла с 33,4% до 49%, опередив все публичные модели, включая OpenAI o1-preview.

В тесте TAU-bench в сфере розничной торговли показатель Claude также повысился с 62,6% до 69,2%. Ранние отзывы от таких компаний, как GitLab и Cognition, показывают, что новая модель отлично справляется с долгосрочными задачами и многоэтапными процессами разработки, стабильно работая в течение нескольких часов. Для разработчиков и пользователей, которым нужно эффективно обрабатывать сложные задачи, это обновление Claude определённо заслуживает внимания.