OpenAI porta il Computer Use nella Responses API

OpenAI ha lanciato la Responses API e vi ha incluso tre tool integrati: web search, file search e computer use. Computer use è quello che permette a un modello di guidare un computer come farebbe una persona. Guarda uno screenshot, decide un'azione — click, digitazione, scroll, drag, pressione di tasti — con coordinate a livello di pixel, quell'azione viene eseguita, torna uno screenshot aggiornato, e il ciclo si ripete finché il task non è concluso. Lo snapshot del modello rilasciato in questa data è computer-use-preview-2025-03-11. È la stessa capacità di fondo che sta dietro Operator, il prodotto consumer lanciato da OpenAI il 23 gennaio 2025; questo rilascio la mette dietro una API per sviluppatori. Due aspetti sull'accesso vanno riportati con precisione, perché di solito vengono raccontati male. Non era riservato all'enterprise: si è aperto agli sviluppatori nei tier di utilizzo API da 3 a 5. E la fatturazione è a token come per qualsiasi altro modello — $3 per milione di token input e $12 per milione di output — più una fee per ogni tool call, non un prezzo per passo del task. Eseguire le azioni resta compito dello sviluppatore. OpenAI pubblica una sample app che mostra come collegare il loop a un browser o a un desktop, ma l'API in sé non fornisce uno strato di automazione. Le indicazioni di OpenAI sui rischi sono esplicite: eseguirlo in un browser isolato o in una macchina virtuale con una allow list di siti e azioni, trattare come non fidato tutto ciò che appare sullo schermo perché il testo di una pagina non può concedere permessi al modello, chiedere conferma all'utente prima di qualsiasi azione consequenziale, e imporre limiti netti su passi, tempo e costo con un modo per annullare.