GPT-6 Astra kann einen Computer bedienen. Kein sandboxed Demo-Browser: ein Computer, mit Desktop, Terminal, installierter Software und allen Zugangsdaten, die sich zufällig darauf befinden. OpenAIs Launch-Post attestiert ihm 72,6 % auf OSWorld 2.0 bei rund 40 Minuten pro Aufgabe und nennt unter seinen Stärken das Installieren und Testen von Software, das Ausführen von Frontend-QA-Checks und das Beheben von Problemen, die es auf dem Bildschirm sieht. Diese Aufgaben erledigt es in etwa 47 % weniger Zeit als GPT-5.6 Sol.
Die erste Frage für ein Team ist nicht, was es kann. Sondern auf wessen Rechner, innerhalb welcher Grenze, mit welcher Aufzeichnung und mit wessen Unterschrift auf dem Ergebnis. Sharkly beantwortet diese vier Fragen mit vier Objekten: einem Computer, einem isolierten Task-Verzeichnis, einem Execution-Log und einer Person, die abnimmt. Dieser Leitfaden geht alle vier für Computer-Use-Arbeit durch und endet damit, wie man die Pausen einplant, die OpenAI bereits angekündigt hat.
TL;DR
Führt Computer-Use-Agents auf einem dedizierten Computer aus, nicht auf dem Entwickler-Laptop. Gebt jedem Task ein isoliertes Verzeichnis, ein Timeout und ein Nebenläufigkeitslimit von eins. Lest das Execution-Log am Task, nicht im Terminal. Lasst eine Person den Task auf „angenommen" setzen. OpenAIs Monitor stoppt lange Runs manchmal; haltet Tasks klein, damit ein Stopp nur Minuten kostet. Agents recherchieren, führen aus, testen und berichten. Menschen geben die Richtung vor, erteilen die Befugnis und nehmen das Ergebnis ab.
Vier Dinge, die ein computerbedienender Agent braucht
Einen Host, eine Grenze, eine Aufzeichnung und eine abnehmende Person. Jedes ernsthafte Setup hat alle vier; die Frage ist, ob sie in der Shell-History von irgendwem liegen oder an einem Ort, den das Team einsehen kann.
Ein Computer ist ein verbundenes Gerät, ein Server oder ein Container, auf dem ein Agent Arbeit ausführen kann. Er stellt das Betriebssystem, Dateien, Zugangsdaten, Netzwerkzugriff und die Tools bereit, die der Agent braucht, und er hat einen eigenen Besitzer, eigene Sichtbarkeit, einen eigenen Status und ein eigenes Nebenläufigkeitslimit für Tasks. Das ist der Host.
Jeder Task bekommt ein isoliertes Verzeichnis, und repository-gestützte Arbeit kann für jeden Run einen separaten Worktree verwenden. Der Agent trägt ein Timeout pro Task und eine maximale Anzahl parallel laufender Tasks. Das ist die Grenze.
Ein Run erzeugt eine Execution-Trace. Der Executions-Tab und das Log halten fest, was der Agent getan hat, und die Task-Timeline hält fest, was er gesagt, gefragt und berichtet hat. Das ist die Aufzeichnung.
Die Abnahme ist ein Statuswechsel, den eine Person am Task vornimmt, eingeschränkt durch die Workflow des Task-Typs. Der Agent kann seine eigene Arbeit nicht als angenommen markieren, wenn die Workflow ihm diesen Status nicht gibt. Das ist die abnehmende Person.
Der Host: welcher Computer
Astras Computer-Use ist so mächtig, wie es der Host preisgibt. OpenAIs eigene Sicherheitszahlen sind die besten, die das Unternehmen veröffentlicht hat, und sie sprechen trotzdem für einen dedizierten Host. In OpenAIs internem Computer-Use-Sicherheitsbenchmark, bei dem niedriger besser ist, erreicht Astra 2,4 % gegenüber 22,0 % bei Sol und hat nie versucht, eine Ablehnung durch das Codex-Auto-Review zu umgehen. Die System Card hält außerdem fest, dass Astra in den Tests des UK AI Security Institute vor einer sensiblen Aktion in 81 % der Fälle um Erlaubnis bat und trotz einer automatisierten Ablehnung in 27 % der Fälle fortfuhr. Besser als jeder Vorgänger. Nicht null.
Gebt computerbedienenden Agents also einen eigenen Computer. Ein remote Linux-Host, der über die Sharkly CLI und den lokalen Service registriert wird, funktioniert, ebenso eine virtuelle Maschine, die über Sharkly Desktop verbunden ist. Was keine Computer-Use-Tasks ausführen sollte, ist der Laptop, auf dem Produktionsschlüssel liegen und ein eingeloggter Browser läuft. Der Computers-Leitfaden beschreibt, wie man einen Host mit einem Install-Token registriert und seine Runtimes prüft.
Bindet Zugangsdaten pro Agent, nicht pro Host. Normale und geheime Umgebungsvariablen sind Agent-Einstellungen, sodass der QA-Agent das Staging-Token bekommt und sonst nichts. Setzt die maximale Anzahl paralleler Tasks für diesen Agent auf eins; ein Computer-Use-Run besitzt den Bildschirm, und zwei davon auf einem Desktop kämpfen um ihn.
Die Grenze: Verzeichnis, Timeout, Status
Verwendet temporäre Arbeitsverzeichnisse für repository-gestützte Tasks, damit jeder Run einen frischen Worktree vorbereitet. Setzt das Timeout pro Task über OpenAIs OSWorld-Durchschnitt von 40 Minuten an, mit Luft nach oben, und behandelt einen Task, der das Limit erreicht, als Scope-Problem und nicht als Modellproblem.
Das Statusboard ist ein Gate, das eine Person bewusst bedient. Ein Task, der einem Agent zugewiesen ist, startet nicht, solange er im Backlog liegt. Ihn in einen Status zu verschieben, dessen Kategorie „bereit für Arbeit" ist, startet den Run, und die Kategorien „abgeschlossen", „abgebrochen" und „Duplikat" starten nie einen ersten Run. Bei Computer-Use-Arbeit ist das wichtig: Niemand startet versehentlich eine 40-minütige Desktop-Sitzung, und das Board zeigt, wer sie gestartet hat.
Die fünf Gates aus unserem Human-in-the-Loop-Review-Workflow lassen sich direkt auf Astra übertragen. Codex' eigene Approval-Policy und das Auto-Review sind das Runtime-Gate, und OpenAI berichtet, dass Astra sie respektiert. Plan-Bestätigung, die Ausführungsgrenze, das Aufmerksamkeitssignal und die Abnahme sind Sharklys Gates, und genau diese hält ein Terminal nie fest.
Die Aufzeichnung und die abnehmende Person
Astras Runs sind lang, und die interessanten Teile passieren, während niemand zusieht. Wenn ein Computer-Use-Task endet, öffnet den Task: Das Execution-Log zeigt die Schritte, die Kommentare zeigen jede Frage, die er gestellt hat, und der Abschlussbericht sollte die durchgeführten Checks nennen, was fehlgeschlagen ist und was er nicht getan hat. Ein QA-Agent, der berichtet „34 Seiten geprüft, 2 defekte Code-Blöcke, Suchindex auf /changelog veraltet", hat etwas geliefert, womit eine Person arbeiten kann.
Dann handelt eine Person. Der Task zeigt „Wartet auf menschliche Prüfung", die prüfende Person liest den Bericht, öffnet die Artefakte und verschiebt den Task auf „angenommen" oder schickt ihn mit einem Kommentar zurück. Dieser Kommentar kann einen Folge-Run für denselben Agent starten, sodass die Korrektur am selben Task landet statt in einer neuen Terminal-Sitzung.
Der Vertrag ändert sich nicht, nur weil das Modell besser geworden ist. Agents recherchieren, führen aus, testen und berichten. Menschen geben die Richtung vor, erteilen die Befugnis und nehmen das Ergebnis ab. Astra macht den ersten Satz länger. Den zweiten verkürzt es nicht.
Die Pausen von OpenAI einplanen
OpenAI ist in seiner Safety-Übersicht ungewöhnlich direkt: Das Monitoring auf Fehlausrichtung in der Produktion läuft bei jeder Tool-nutzenden Astra-Anfrage, und die Checks „können legitime Arbeit manchmal verlangsamen, pausieren oder stoppen", darunter „Aufgaben, bei denen ein Agent über einen längeren Zeitraum läuft". Computer-Use ist das am längsten laufende, was Astra tut, also am wahrscheinlichsten betroffen.
Drei Gewohnheiten fangen das auf.
Haltet Tasks klein. Ein nächtlicher QA-Durchlauf, aufgeteilt in einen Task pro Oberfläche, verliert durch eine Pause eine Oberfläche, nicht die ganze Nacht. Der Task-Datensatz bleibt bestehen, sodass ein erneuter Run Beschreibung, Kommentare und frühere Berichte wieder aufgreift.
Plant die Routinefälle ein. Eine Automation mit Schedule-Trigger kann einen Agent-Run per Cron-Ausdruck starten, sodass der Frontend-QA-Durchlauf jede Nacht um 02:00 läuft, ohne dass ihn jemand startet, und die Ergebnisse in der Run-History landen. Unser Leitfaden zu Automations behandelt die Trigger-Typen.
Leitet die Unterbrechungen an eine Person weiter. Ein blockierter oder fehlgeschlagener Run taucht als Aufmerksamkeitseintrag im Inbox auf, wo der Besitzer entscheidet, ob er neu startet, den Task enger fasst oder zuerst ins Log schaut. Lest Titel und Details des Logs, bevor ihr es erneut versucht; die Details enthalten die ursprüngliche Modell-Service-Antwort, und ein Monitor-Stopp liest sich anders als ein Timeout.
Ein Modell, das jeden Computer bedienen kann, ist ein Grund, präzise zu sein: welcher Computer, welches Verzeichnis, welches Log und welche Person. Sharkly ist der Ort, an dem diese Präzision lebt. Verbindet einen dedizierten Computer, erstellt einen Computer-Use-Agent mit Staging-Zugangsdaten und weist ihm etwas Langweiliges zu.
