اگر یک طراح گرافیک هستید، میدانید که یادگیری مسیرهای پیچیدهٔ نرمافزارهای تخصصی ساعتها زمان میگیرد. اما مدل کدکس (Codex) بهتازگی این مسیر را به چند ثانیه تبدیل کرد.
طبق گزارشی که در ۱۹ جولای ۲۰۲۶ توسط کاربر @emollick در شبکه X منتشر شد، یک پرامپت ساده باعث شد مدل بهطور خودکار نرمافزار حرفهای بلندر (Blender) را نصب کرده و یک انیمیشن کامل رندر کند. این اتفاق نشان میدهد که هوش مصنوعی از محیط محدود مرورگر خارج شده و مستقیماً وارد هسته سیستمعامل شده است. این پیشرفت در اتوماسیون سیستمعامل، یادآور قابلیت Record & Replay در کدکس است که پیشتر فرآیندهای پیچیده در محیط macOS را خودکار کرده بود.
این تحول، فاصله میان قصد کاربر و اجرای نرمافزارهای سنگین و تخصصی را از بین میبرد. همانطور که در تحلیل قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، هرچه دسترسی مدلها به سیستمعامل بیشتر شود، لایههای حفاظتی باید پیچیدهتر شوند. در واقع، ما از دوران عاملهای متنی به دوران عاملهای (Agent) — شبیه به دستیاری که نه فقط راهنماست، بلکه خودش دست به کیبورد و موس میبرد — نقل مکان کردهایم.
بر اساس مستندات این دمو، کل فرآیند تنها به یک کلیک انسانی برای تایید دسترسی Administrator در ویندوز نیاز داشت. پس از آن، کدکس تمام مراحل را بهتنهایی مدیریت کرد:
- دانلود و نصب فایل نصبی بلندر روی یک سیستم ویندوزی استاندارد.
- پیمایش لحظهای در رابط کاربری پیچیده نرمافزار.
- مدلسازی سه بعدی یک «سسول» (Otter).
- اعمال بافت، ریگینگ و تولید یک حلقه انیمیشن کامل.
این قابلیت نشان میدهد که ما با یک مدل «بینایی-زبانی-کنشی» طرف هستیم که بهجای تکیه بر دادههای آموزشی محدود برای هر اپلیکیشن، میتواند در هر محیط دسکتاپی تعمیم یابد. به نقل از تحلیلگران، این توانایی موانع فنی ورود به ابزارهایی مثل CAD یا تدوین ویدیو را بهکلی حذف میکند. در همین راستا، بهبودهای اخیر در کیفیت بصری تولیدات هوش مصنوعی، مانند استفاده از مدلهای LoRA در RenderEel برای افزایش پایداری بصری در رندرینگ، مسیر را برای تولید محتوای حرفهایتر هموار کرده است.
برای جریانهای کاری تجاری، این یعنی افراد غیرمتخصص میتوانند مجموعههای حرفهای را با دستورات ساده به کار بگیرند. با این حال، این استقلال یک ریسک امنیتی بزرگ ایجاد میکند؛ چراکه اجازه نصب نرمافزار به هوش مصنوعی، مسیرهای جدیدی برای تغییرات مخرب یا ناخواسته در سیستم میگشاید.
تا این لحظه، OpenAI اعلام نکرده است که این حالت «استفاده از کامپیوتر» از طریق API عمومی در دسترس است یا هنوز در مرحله آزمایش داخلی قرار دارد.
گام بعدی شما
- در رویداد بعدی توسعهدهندگان OpenAI بهدنبال دسترسی رسمی به API کنترل دسکتاپ باشید.
- ابزارهای رقیب گوگل و آنتروپیک را برای قابلیتهای مشابه در مدیریت سیستمعامل رصد کنید.
- اگر از نرمافزارهای تخصصی استفاده میکنید، شروع به فرموله کردن دستورات متنی برای اتوماسیون آنها کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو