2026年7月23日,Anthropic宣布Claude语音模式重大升级,正式引入Opus与Sonnet模型,并新增跨应用自动化协同能力,标志着AI语音从基础问答迈向复杂任务履约。此前仅用轻量Haiku模型,虽响应快但深度推理不足。升级后,语音模式默认继承用户在文本聊天中的上下文,实现无缝衔接。
xAI旗下Grok上线自动化任务功能:只需一次性描述重复工作并设定运行时间,它就能自动执行,如清晨自动调研、重要邮件即时标记,实现“交代一次,再不用管”的偷懒幻想。该功能已登陆网页版及iOS、安卓端。
蚂蚁集团开源多智能体协作基础设施Avernet V0.1,解决大模型应用中多智能体协作效率低这一核心痛点。该项目专注构建协作层,不替代智能体自身推理能力,为复杂任务自动化处理提供基础支持。
OpenClaw开源AI智能体项目发布iOS与Android移动应用,用户可通过设备配对网关,随时调用AI代理执行程序编写、膳食规划等任务。该项目年初走红,此次实现全平台覆盖,进一步推动高自动化智能体落地。
Lyto AI是Chrome扩展,可控制浏览器,集成谷歌服务,实现任务自动化等
Freu AI无需提示和配置,可在多软件自动化工作流,执行复杂任务。
browse.sh是一个开放的浏览器自动化技能目录,可让AI代理自动化网站任务。
主动式AI,将工作方式转化为知识、交接任务和自动化流程,无需主动提示。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Anthropic
$105
$525
200
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$6
$24
256
Moonshot
Xai
$1.4
$10.5
Bytedance
$0.8
$8
$1.6
128
$8.75
$70
400
$1.75
$14
$0.35
$2
-
64
$0.63
$3.15
131
$15
prithivMLmods
ActIO-UI-7B-RLVR 是由 Uniphore 发布的 70 亿参数视觉语言模型,专门用于计算机界面自动化任务。它基于 Qwen2.5-VL-7B-Instruct,通过监督微调和可验证奖励的强化学习进行优化,在 GUI 导航、元素定位和交互规划等任务上表现出色,在 WARC-Bench 基准测试中达到了开源 7B 模型的领先水平。
microsoft
Fara-7B是微软研究院开发的专为计算机使用场景设计的小型语言模型,仅有70亿参数,在同规模模型中实现卓越性能,能够执行网页自动化、多模态理解等计算机交互任务。
Salesforce
GTA1是基于强化学习(GRPO)训练的最先进GUI接地模型,专门用于图形用户界面自动化任务。与依赖冗长思维链推理的方法不同,GRPO直接激励可操作和有根据的响应,在多个挑战性数据集上展示了卓越的接地性能和代理性能。
zhuyaoyu
CodeV-R1-Qwen-7B是基于CodeV-R1框架,在Qwen/Qwen2.5-Coder-7B-Instruct基础上通过强化学习微调得到的模型,专注于Verilog相关任务,能有效解决电子设计自动化中自动生成硬件描述语言的难题。
fotographerai
ZenCtrl是一个自动化个性化视觉内容创作流程的智能体,能够执行多种设计任务和训练自用模型。
CohereLabs
Command R+ 08-2024 是一个1040亿参数的多语言大语言模型,支持检索增强生成(RAG)和工具使用,适用于复杂任务自动化。
FriendliAI
C4AI Command R+ 是一个开放权重的1040亿参数研究模型,具备高级功能,包括检索增强生成(RAG)和工具使用以自动化复杂任务。
CohereForAI
Command R+是Cohere实验室开发的1040亿参数开放权重研究级模型,支持多语言和复杂任务自动化。
Command R+是Cohere Labs推出的1040亿参数开放权重研究版本模型,具备检索增强生成(RAG)和工具使用能力,支持多语言和多步任务自动化。
taskload
由Henry Leonardi领导的Taskload团队开发的因果提取模型,用于自动化信息抽取任务。
Ultimate MCP Server是一个基于模型上下文协议(MCP)的AI代理操作系统,提供数十种强大工具能力,包括智能任务委派、文档处理、浏览器自动化、Excel操作等,通过标准化MCP工具实现AI代理的认知增强和复杂任务编排。
一个集成Linear任务管理和TrackingTime时间追踪的MCP服务,通过自然语言自动化工作流程。
Android-MCP是一个轻量级开源项目,作为AI代理与Android设备之间的桥梁,通过MCP服务器实现真实任务操作如应用导航、UI交互和自动化测试,无需依赖传统计算机视觉或预设脚本。
Zapier MCP是一个远程MCP服务器,通过Model Context Protocol将AI助手连接到8000多个应用和40000多个自动化动作,让AI能够直接执行发送邮件、管理任务等实际操作。
Kali MCP Server是一个轻量级API桥接工具,连接MCP客户端与Linux终端,实现AI辅助渗透测试、CTF解题及自动化安全任务。
Rube是基于Composio平台的MCP服务器,可将AI聊天工具连接到500多个商业和生产力应用程序,通过自然语言命令实现自动化任务执行。
该项目是一个集成AI、Ansible和OpenShift的自动化平台,通过MCP服务器实现与Claude Desktop的交互,支持自动化任务执行和管理。
一个集成了AI驱动任务管理和深度研究功能的Python系统,支持复杂项目分解、任务生成和自动化研究。
该项目通过MCP协议实现Claude AI与Jira的集成,自动化项目管理任务,包括问题创建、更新、搜索等功能。
Gemini CLI与Google Apps Script构建的MCP服务器结合,通过低代码平台扩展了Google Workspace的自动化能力,提供了41种工具支持,涵盖Gmail、Drive、Calendar等服务,实现复杂任务的多步骤执行。
Claude Team是一个多智能体MCP服务器,通过配置多个AI模型(如GPT、Claude、Gemini)协同工作,实现智能任务分配、预置工作流模板和自定义专家系统,用于复杂开发任务的自动化协作。
一个用于Photoshop的MCP服务工具,通过Python脚本自动化PSD文件编辑任务,支持批量处理、动态调整图层和效果,并简化创意资产版本管理。
DINO-X MCP是一个结合大型语言模型与DINO-X、Grounding DINO 1.6 API的项目,旨在实现细粒度物体检测和图像理解,支持自然语言驱动的视觉任务和自动化场景。
一个结合MCP服务器和OpenAI代理的项目,用于自动化任务如链接查找和研究,支持多种服务器配置和自定义开发。
一个基于TypeScript的Cursor后台编程任务管理API客户端和CLI工具,提供命令行界面和MCP服务器支持,用于自动化管理后台编程任务。
Claudeus Plane MCP是一个连接Claude AI与Plane项目管理平台的强大桥梁,提供自动化项目管理、智能任务分配和团队协作功能,通过AI提升项目管理效率。
概述:MCP 服务器充当中间件,使 AI 代理能够通过连接到本地数据和远程服务来实现任务自动化。它支持如查询执行和提示等功能,以高效处理上下文。这代表了向完全自动化的 AI 系统迈出的一步,这些系统能够执行复杂操作。
一个基于go-mcp实现的MCP服务器,用于自动化应急响应下的漏洞扫描任务,支持生成POC、创建扫描任务和工作流,同时兼容HTTP API和MCP协议。
该项目利用MCP协议和AI技术构建自动化网络安全工具,涵盖红队攻击模拟、SOC分析、恶意软件开发、威胁狩猎等多个领域,实现安全任务的智能化与自动化。
一个通过MCP服务器暴露AutoHotkey功能的项目,使模型接口能够控制Windows自动化任务。