Claude Computer Use: обучение агентов на Mac

Я, Арина Михална, считаю, что Anthropic и конкуренты скупают Mac mini тысячами не для дизайнеров в офисе — железо идёт на обучение Claude computer use, агентов, которые видят экран и управляют компьютером сами, кликами и вводом текста, как человек. Это значит, что агентная автоматизация десктопа перестаёт быть лабораторной игрушкой и становится ставкой всей индустрии на следующие два-три года.

Зачем ИИ-лабораториям физическое железо, а не облако

Звучит странно: у Anthropic есть облачные кластеры, зачем им физические Mac mini на полке? Ответ прямой — виртуальная машина показывает синтетический рабочий стол, а живой Mac — это тысячи реальных комбинаций приложений, версий macOS, дизайна интерфейсов и мелких багов, из которых агент и учится узнавать «где кнопка» в любом окне, а не только в тренировочном.

Computer use — это не текстовый чат. Агенту дают скриншот, он должен понять, что на экране, решить следующее действие (клик, ввод, скролл) и повторить цикл десятки раз за одну задачу. Каждая ошибка распознавания интерфейса — это провал шага. Чтобы модель научилась устойчиво работать с реальными приложениями, ей нужны миллионы примеров разных интерфейсов — и живое железо даёт их быстрее и честнее, чем эмуляция.

Что Claude computer use умеет прямо сейчас

Официально Anthropic даёт computer use как возможность модели через API: агент получает скриншот экрана, двигает курсор, кликает, печатает и делает скролл — всё в рамках изолированной среды (обычно контейнер или виртуальная машина, а не личный компьютер разработчика). Часть этих возможностей уже добралась и до обычного интерфейса Claude и Cowork на конкретных сценариях — без ручной настройки API.

Формат	Что делает	Для кого
Claude API + computer use	Полный доступ к управлению экраном в песочнице	Разработчики, кто собирает своих агентов
Claude Cowork	Готовые сценарии автоматизации в браузере/desktop	Пользователи без кода
Claude Code + скрипты	Агент работает с терминалом и файлами, не с GUI	Разработчики, кастомные задачи

Если хочешь собрать своего первого агента без глубокого погружения в API — у нас на блоге есть разбор, как собрать агента на Claude с готовым шаблоном шагов.

Три ошибки, которые делают новички при первых попытках

Разговоры про будущее агентов — это красиво, но на практике первые попытки автоматизации почти всегда спотыкаются об одно и то же.

Ошибка 1 — запускать агента на рабочей машине с личными данными. Агент кликает по тому, что видит на экране, и если рядом открыта почта или банк — риск не абстрактный. Правильно: изолированная среда, отдельный браузерный профиль, отдельная виртуалка.

Ошибка 2 — доверять агенту многошаговую задачу без промежуточных проверок. Чем длиннее цепочка кликов, тем выше шанс, что на десятом шаге агент неправильно распознает интерфейс и пойдёт не туда. Разбивай задачу на короткие проверяемые куски.

Ошибка 3 — не считать стоимость токенов заранее. Computer use агент тратит токены на каждый скриншот и каждое решение о действии, а не один раз на весь диалог. Задача, которая в чате стоит копейки, в агентном режиме с десятком шагов может выйти в разы дороже — это заметно на любых агентных сценариях, не только computer use.

Если тебе важна именно безопасность прав агента — у нас есть отдельная статья как ограничить права ИИ-агента, чтобы он не хакнул сайт вместо тебя, там разбор конкретных случаев.

Где это уже применимо, а где ещё эксперимент

Applicable сегодня: тестирование интерфейсов (агент проходит сценарий как реальный пользователь), проверка вёрстки на разных экранах, рутинная работа с формами на сайтах без API, мониторинг изменений на страницах конкурентов.

Всё ещё эксперимент: полная замена человека в сложных многошаговых бизнес-процессах, работа с непредсказуемыми интерфейсами (капчи, динамический контент), длительная автономная работа без присмотра.

Про риски, когда агентам дают слишком много самостоятельности, мы уже писали — почитай, как ИИ-агент удалил пользователю файлы и что с этим делать в Claude Code — сценарий из той же серии рисков, что и computer use.

Из подборки скиллов и агентов — если ты в целом разбираешься, что такое агенты и скиллы у Claude, но хочешь понять computer use в контексте более широкой картины автоматизации, загляни в что такое скиллы Claude и как они устроены — это pillar-материал темы.

По материалам: The Decoder — OpenAI и другие ИИ-лабы скупают десятки тысяч Mac mini для обучения computer use агентов.

Читайте также

• Мониторинг ИИ-агентов AgentOps: что не покажет обычный MLOps-дашборд
• ИИ-агент: что это в 2026 и чем отличается от чат-бота
• Claude-агент в 2026: как собрать своего первого агента
• Claude Anthropic взломал GitHub-проект: как обезопасить агентов в 2026
• На портале «Мастерская нейросетей»: Perplexity Portable Computer: локальный ИИ-агент без токенов

Скупка железа под обучение computer use — сигнал, что агенты, которые действуют на экране сами, это не хайп на квартал, а следующий этап гонки моделей. Если хочешь разбираться в таких вещах раньше, чем они попадут в новости с заголовком «что это значит для тебя» — в канале «А.М. решает вопросов» я показываю разборы агентов и их реальных провалов на живых примерах, без причёсанной теории. Забрать канал