Un agente usa un escritorio
- Modelo
- Orion Pro
Orionorion-proLee imágenesModelo de Orion, la familia propia de Serenity. El nivel alto de la familia Orion, para tareas exigentes.
En cada paso, Orion Pro recibe una captura de la pantalla entera y responde una sola acción: un clic con coordenadas, un texto o una tecla. El escritorio es real: una microVM aislada de Serenity Edge Sandboxes con Firefox, un editor de notas y un gestor de archivos, que se crea para ti y se apaga al terminar.
En vivo: esta demo hace llamadas reales a la API, con una clave de demostración y un límite de llamadas por visita.
El agente lee la web de hoy
Elige una tarea preparada; no hay texto libre. Tres leen páginas públicas del día y una trabaja con archivos del escritorio.
Aquí verás la pantalla que ve el agente en cada paso, con el punto donde hace clic.
El vídeo en directo usa noVNC, con licencia MPL-2.0 (código fuente, avisos de licencia).
Pasos
Los pasos aparecerán aquí, cada uno con sus milisegundos y su coste.
Resumen
- Pasos del modelo
- Tiempo
- Modelo + Máquina (4 vCPU, 4 GiB)
- Coste total
La comprobación lee el archivo dentro de la máquina antes de apagarla. No compara el contenido, que cambia cada día: solo que existe, su número de líneas y la fecha.
Ver la llamada
La última petición a POST /v1/chat/completions: las instrucciones fijas, la tarea, las acciones anteriores y la captura (aquí, su tamaño), con la respuesta forzada a JSON por json_schema. La clave la añade el servidor y nunca llega a tu navegador.
En la ejecución grabada, la petición es la que se enviaría, con la captura sustituida por su tamaño.
Aparecerá con el primer paso.
Petición
Respuesta
- El agente solo hace la tarea elegida: ignora cualquier instrucción que aparezca en las páginas, cierra los avisos de cookies como lo haría una persona y nunca inicia sesión, rellena formularios ni compra. La máquina no guarda claves ni secretos y se apaga al terminar.
- Cada ejecución tiene hasta 25 pasos del modelo y 3 minutos de máquina. Hay pocos escritorios a la vez y uno por persona: si están ocupados, esperas en una cola.
Llévalo a tu código
El mismo modelo de visión, con coordenadas de 0 a 1000 y salida JSON forzada, sirve para tus propios agentes de escritorio.
