Caesr AI

Caesr AI trabaja solo con capturas de pantalla. El agente captura lo que aparece en pantalla, un modelo decide la siguiente acción y hace clic, escribe o navega como lo haría una persona. No hay enganches al código de la aplicación, y por eso se ocupa de apps que no exponen ninguna API. Ahí está todo el sentido: si una persona puede operarla, el agente también. Sin necesidad de API.

Las tareas se escriben en Markdown o CSV, no en código. Cualquiera que conozca la aplicación puede escribir una, y viven en tu repositorio Git junto a todo lo demás. Cuando cambia la interfaz, editas una frase en lugar de depurar un grabador. Es un cambio grande. Las herramientas de prueba tradicionales se rompen con un pequeño ajuste de diseño; aquí un ajuste te cuesta una línea.

AgentOS pone un sistema operativo a disposición del agente, con control de teclado, ratón y pantalla en una sola capa. Se ejecuta en la máquina que hace el trabajo, así el agente opera el dispositivo igual que una persona. El mismo motor cubre Windows, macOS y Linux, además de Android, navegadores y hardware de banco de pruebas, de modo que un equipo no mantiene una pila distinta por cada objetivo.

AskUI Desktop es donde se escribe, se observa y se reproduce el trabajo. Abres una tarea, la ejecutas contra un dispositivo conectado y revisas cada paso que dio el agente, con una captura por paso y una transcripción por ejecución. Para los equipos que necesitan una pista de auditoría o un documento de traspaso, ese registro es la razón para usarlo. Se acabaron las conjeturas. Depurar una ejecución fallida deja de ser una corazonada.

La CLI es el mismo motor sin la ventana. Ejecuta askui run en un pipeline, de forma programada o en una máquina de la esquina, y recibe el informe como artefacto de compilación. No necesita pantalla. Cada ejecución devuelve un código de salida más un informe, así que encaja en tu CI existente como cualquier otra comprobación.

Puedes usar Anthropic, un endpoint compatible con OpenAI o un modelo autoalojado en cualquier plan. La inferencia nunca toca la infraestructura de AskUI, algo que importa cuando las capturas contienen datos sensibles. En Enterprise, puedes desplegar en local o en una instalación de red aislada e incluso evitar las tarifas de inferencia usando tu propio modelo.

Según AskUI, el agente visual obtuvo 66,2 en el benchmark OSWorld y alcanzó un 94,8 % de tareas completadas en AndroidWorld, lo que lo sitúa en ambas clasificaciones públicas en el momento de la publicación. Los números de un benchmark no te dicen cómo se comportará con tu aplicación concreta, pero son una señal útil al comparar agentes que usan el ordenador, y están publicados en lugar de enterrados.