Holotron-12B - High Throughput Computer Use Agent★ 75
Hugging Face Blog77d agoReleaseHcompany 在 Hugging Face 上推出了 Holotron-12B 開源模型，專為「電腦操作（Computer Use）」設計。該模型具備 120 億參數，主打「高吞吐量」特性，旨在提升 AI 代理在操作作業系統與應用程式時的反應速度與執行效率，為輕量高效的 Agent 邁出重要一步。
Introducing the Gemini 2.5 Computer Use model★ 85
Google DeepMind Blog222d agoReleaseGoogle DeepMind 發表全新的 Gemini 2.5 Computer Use 專用模型，目前已透過 API 提供預覽。該模型基於 Gemini 2.5 Pro 的強大能力進行微調，旨在賦能 AI 代理（Agents）直接與作業系統及應用程式的用戶介面（UI）進行互動。這項技術將加速自動化工作流程的開發，讓 AI 能夠像人類一樣執行點擊、輸入和導覽等電腦操作。
Smol2Operator: Post-Training GUI Agents for Computer Use★ 80
Hugging Face Blog252d agoReleaseHugging Face 發表 Smol2Operator，這是一套針對「電腦操作（Computer Use）」設計的後訓練 GUI 代理方案。基於輕量級視覺語言模型（如 SmolVLM），透過特定的監督微調（SFT）與強化學習，使其能精準識別螢幕元素並執行點擊、輸入等操作。此項目開源了模型權重與訓練方法，讓開發者能在消費級硬體上部署隱私安全、低延遲的本地 GUI 代理。
ScreenEnv: Deploy your full stack Desktop Agent★ 82
Hugging Face Blog327d agoNew ToolHugging Face 介紹了 ScreenEnv，這是一個旨在簡化「電腦使用（Computer Use）」AI 代理部署的開源環境。它提供類似 Gym 的標準化接口，讓開發者能在安全的虛擬桌面（如 Docker/VM）中，利用多模態模型（如 Claude 或 GPT）進行滑鼠、鍵盤與螢幕視覺的完整互動，非常適合開發自動化工作流與 GUI 代理。
ScreenSuite - The most comprehensive evaluation suite for GUI Agents!★ 80
Hugging Face Blog361d agoNew ToolHugging Face 發表了 ScreenSuite，這是目前最全面的圖形使用者介面（GUI）Agent 評估套件。它解決了現有評估工具平台單一、任務簡單的問題，提供跨 Web、桌面與行動裝置的標準化測試環境。ScreenSuite 整合了多樣化的真實世界任務與嚴格的評估指標，幫助開發者精確衡量 Agent 的視覺導航與操作能力。
Holo1: New family of GUI automation VLMs powering GUI agent Surfer-H★ 78
Hugging Face Blog364d agoRelease法國 AI 新創公司 H (Hcompany) 於 Hugging Face 發表了全新的視覺語言模型 (VLM) 家族「Holo1」，專為 GUI（圖形使用者介面）自動化設計。該模型家族是其全新 GUI 代理人「Surfer-H」的核心引擎。Holo1 具備強大的視覺解析與螢幕定位能力，能夠理解複雜的網頁與應用程式介面，並執行點擊、輸入等操作。這項釋出標誌著 AI 代理人從單純的文字 API 呼叫，邁向能像人類一樣直接透過視覺操作任何軟體介面的新階段。