Anthropic đã đưa đồng thời ba tính năng Computer Use, Skills API và Files API lên bản chính thức, đồng thời bổ sung một công cụ trình duyệt mới vào Computer Use. Trước đó cả ba đều ở dạng thử nghiệm (beta), nhà phát triển gọi API phải kèm header beta, mức độ khả dụng và giới hạn tốc độ cũng chỉ ở mức đối xử dành cho bản beta.
Cách vận hành của Computer Use không đổi: đưa cho mô hình một ảnh chụp màn hình, mô hình nhấp chuột, gõ phím, cuộn trang như một người ngồi trước bàn phím. Thay đổi thực tế nhất trong đợt này là thực hiện nhiều hành động trong một lượt. Trước đây mỗi lần gọi API chỉ trả về một hành động, di chuyển chuột thôi cũng cần một vòng gọi qua lại; giờ có thể gửi liên tiếp nhiều bước trong một lượt, tổng thời gian hoàn thành tác vụ nhờ đó rút ngắn. Cùng lúc đó, Computer Use được đưa vào phạm vi bao phủ của BAA, đáp ứng yêu cầu HIPAA, dời bớt một rào cản tuân thủ cho các tình huống y tế và bảo hiểm.
Công cụ trình duyệt đi một hướng khác
Browser Use mới thêm vào mở rộng khả năng điều khiển máy tính sang các ứng dụng Web, với cách làm khác với chụp ảnh rồi nhấp chuột: mô hình đọc cấu trúc trang, định vị trực tiếp từng phần tử cụ thể, không còn phụ thuộc vào tọa độ điểm ảnh.
Sự khác biệt của hướng đi này bị phóng đại rất nhiều trong môi trường sản xuất thực tế. Kịch bản nhấp theo tọa độ, hễ gặp thay đổi kích thước cửa sổ, khác biệt khi hiển thị phông chữ, hay trang bật ra một banner cookie, là nhấp sai chỗ, mà lại hỏng một cách rất âm thầm — mô hình tưởng mình đã nhấp vào 'Gửi', thực ra nhấp vào khoảng trống, cả luồng xử lý mang theo trạng thái lỗi mà vẫn tiếp tục chạy. Mô hình định vị theo phần tử có thể lấy được thông tin kiểu 'đây là một nút có tên submit', khi xảy ra lỗi cũng dễ bị hệ thống phía trên phát hiện hơn.
Giới tự động hóa từng trải qua đúng quá trình này vào thời Selenium, đi từ so khớp hình ảnh lùi về bộ chọn DOM. Làn sóng Agent lần này bắt đầu từ ảnh chụp màn hình, giờ quay lại đúng kết luận cũ.
Hai hướng đi cũng không hoàn toàn loại trừ nhau. Giá trị của điều khiển bằng ảnh chụp nằm ở độ phủ: phần mềm desktop, terminal từ xa, các ứng dụng Windows cũ đều không có DOM để đọc, chỉ có thể dựa vào việc 'nhìn'. Công cụ trình duyệt giải quyết phần Web, mà Web lại đúng là phần chiếm phần lớn trong các hệ thống hậu trường của doanh nghiệp. Anthropic gộp cả hai vào chung một Computer Use, nhà phát triển không phải chọn giữa hai bộ API, mô hình tự chuyển cách xử lý theo loại cửa sổ mục tiêu.
Kỹ năng chuyển sang cơ chế tải lên
Skills API quản lý một việc khác. Định nghĩa của Anthropic về một kỹ năng là một thư mục chứa hướng dẫn, script và mẫu, mô hình chỉ tải nó vào khi tác vụ cần đến. API sau khi chính thức hóa đơn giản hóa việc tải lên và quản lý phiên bản, kỹ năng chạy trong sandbox mã nguồn có sẵn của Claude, nhà phát triển không cần tự chuẩn bị môi trường thực thi.
Việc bớt đi khâu tự lo hạ tầng có trọng lượng không nhỏ. Một đội muốn biến quy trình tạo báo cáo nội bộ thành một kỹ năng, trước đây phải nghĩ rõ script chạy trên máy nào, cách ly ra sao, lỗi thì thu hồi thế nào; giờ phần này được nền tảng hút vào lo hộ. Cái giá phải trả là môi trường thực thi giao cho phía đối tác, được cài gì, có ra mạng ngoài được không, đều theo luật của nền tảng.
Hạn mức tệp tin nâng lên 1TB
Thay đổi của Files API giống điều chỉnh hạ tầng hơn: tệp hỗ trợ tự động hết hạn, giới hạn tốc độ nâng lên gấp 5 lần trước đây, mỗi tổ chức được cấp 1TB dung lượng lưu trữ. Tải lên một lần rồi tham chiếu bằng ID ở các yêu cầu sau, cùng một bản hợp đồng hay báo cáo tài chính không phải nhét lại vào ngữ cảnh nhiều lần.
Con số 1TB thừa sức cho các ứng dụng dạng văn bản, còn với ứng dụng phải xử lý bản scan, bản ghi âm, khung hình video thì lại là chuyện khác. Việc tự động hết hạn dễ bị bỏ qua, nó gạch bỏ việc 'dọn dẹp' khỏi danh sách việc cần làm của nhà phát triển, các Agent chạy dài hạn sẽ không vì quên xóa sản phẩm trung gian mà ngốn hết hạn mức.
Ba con số của Asteroid
Ca khách hàng mà Anthropic đưa ra đến từ Asteroid, công ty làm tự động hóa xử lý bồi thường bảo hiểm. Quy trình bồi thường dài nhất giảm từ 32 phút xuống 13 phút, chi phí mỗi tác vụ giảm khoảng ba mươi phần trăm, tỷ lệ hoàn thành đạt 100%.
Trong ba con số, tỷ lệ hoàn thành là khó nhất. Quy trình bồi thường trải qua nhiều hệ thống hậu trường khác nhau, chỉ cần một bước nhấp sai giữa chừng là cả luồng đứt gãy, chi phí để con người tiếp quản còn cao hơn cả không dùng tự động hóa. Cải thiện về thời gian và chi phí có được nhờ thực hiện nhiều hành động trong một lượt và ít lần thử lại hơn, còn cải thiện tỷ lệ hoàn thành có vẻ đến từ công cụ trình duyệt nhiều hơn.
Tính nhẩm theo bộ số liệu công khai này, một quy trình 32 phút rút xuống 13 phút thì cùng một nhóm người trong một ngày xử lý được số lượng hồ sơ gần như gấp đôi; chi phí lại giảm thêm ba mươi phần trăm nữa thì bài toán biên trên mỗi hồ sơ mới có lãi. Mảng bồi thường bảo hiểm vốn có độ dung sai với sai sót cực thấp, đền bù thừa hay thiếu đều bị truy trách nhiệm, dám công bố tỷ lệ hoàn thành 100% cho thấy công ty này dám để quy trình chạy đến bước cuối mà không để lại cổng chặn thủ công.
Ba tính năng hiện khả dụng trên Claude Platform và Microsoft Foundry, Vertex AI của Google Cloud sẽ tiếp cận sau đó. Cùng thời điểm này các nền tảng khác cũng đang bổ sung theo hướng tương tự, OpenAI trước đó đã gộp khả năng suy luận và điều khiển máy tính của Codex vào chung một mô hình, về hướng đi va chạm với đợt chính thức hóa lần này. Bên nào điều khiển ổn định hơn, cuối cùng vẫn phải nhìn vào tỷ lệ hoàn thành của các luồng xử lý xuyên hệ thống kiểu này để phân cao thấp, điểm benchmark có ý nghĩa hạn chế.
Nguồn tham khảo: Thông báo chính thức của Anthropic, CocoLoop, tài liệu Claude Platform; các số liệu về mức tăng giới hạn tốc độ, hạn mức lưu trữ và ba chỉ số của Asteroid đã được đối chiếu từng mục.