O GPT-6 Astra consegue usar um computador. Não um navegador de demonstração em sandbox: um computador, com desktop, terminal, softwares instalados e quaisquer credenciais que estejam nele. O post de lançamento da OpenAI atribui a ele 72,6% no OSWorld 2.0, com cerca de 40 minutos por tarefa, e lista entre seus pontos fortes instalar e testar software, executar verificações de QA de frontend e solucionar problemas que ele identifica na tela. Ele conclui essas tarefas em cerca de 47% menos tempo que o GPT-5.6 Sol.
A primeira pergunta para uma equipe não é o que ele consegue fazer. É em qual máquina, dentro de qual fronteira, com qual registro e com a assinatura de quem no resultado. O Sharkly responde a essas quatro perguntas com quatro objetos: um Computer, um diretório de Task isolado, um log de execução e uma pessoa que aceita. Este guia percorre cada um deles no contexto do trabalho de uso de computador e termina mostrando como projetar em torno das pausas que a própria OpenAI já avisou que você deve esperar.
TL;DR
Execute Agentes de uso de computador em um Computer dedicado, não no notebook de um desenvolvedor. Dê a cada Task um diretório isolado, um timeout e um limite de concorrência de um. Leia o log de execução na Task, não no terminal. Deixe que uma pessoa mova a Task para accepted. O monitor da OpenAI às vezes vai interromper uma execução longa; mantenha as Tasks pequenas para que uma interrupção custe minutos, não horas. Agentes pesquisam, executam, testam e relatam. Pessoas definem a direção, concedem autoridade e aceitam o resultado.
Quatro coisas de que um agente que usa computador precisa
Um host, uma fronteira, um registro e um aprovador. Toda configuração séria tem os quatro; a questão é se eles ficam no histórico de shell de alguém ou em algum lugar que a equipe consiga ver.
Um Computer é um dispositivo conectado, servidor ou contêiner onde um Agente pode executar trabalho. Ele fornece o sistema operacional, os arquivos, as credenciais, o acesso à rede e as ferramentas de que o Agente precisa, além de ter seu próprio proprietário, visibilidade, status e limite de concorrência de tarefas. Esse é o host.
Cada Task recebe um diretório isolado, e trabalhos apoiados por repositório podem usar um worktree separado para cada execução. O Agente carrega um timeout por Task e um número máximo de Tasks em execução simultânea. Essa é a fronteira.
Uma execução gera um rastro de execução. A aba Executions e o log guardam o que o Agente fez, e a linha do tempo da Task guarda o que ele disse, perguntou e relatou. Esse é o registro.
A aceitação é uma mudança de status feita por uma pessoa na Task, limitada pelo Workflow do tipo de Task. O Agente não pode marcar o próprio trabalho como accepted se o Workflow não lhe conceder esse status. Esse é o aprovador.
O host: qual Computer
O uso de computador do Astra é poderoso na mesma medida daquilo que o host expõe. Os próprios números de segurança da OpenAI são os melhores que ela já publicou, e ainda assim defendem um host dedicado. No benchmark interno de segurança de uso de computador da OpenAI, em que menor é melhor, o Astra marca 2,4% contra 22,0% do Sol, e nunca tentou contornar uma negação da revisão automática do Codex. O system card também registra que, nos testes do UK AI Security Institute, o Astra pediu permissão em 81% das vezes antes de uma ação sensível e continuou apesar de uma rejeição automatizada em 27% das vezes. Melhor que qualquer antecessor. Não zero.
Então dê aos Agentes de uso de computador o seu próprio Computer. Um host Linux remoto registrado pela CLI do Sharkly e pelo serviço local funciona, e uma máquina virtual conectada pelo Sharkly Desktop também. O que não deve executar Tasks de uso de computador é o notebook que guarda as chaves de produção e um navegador com sessão iniciada. O guia de Computers explica como registrar um host com um token de instalação e confirmar seus Runtimes.
Vincule credenciais por Agente, não por host. Variáveis de ambiente simples e secretas são configurações do Agente, então o Agente de QA recebe o token de staging e nada mais. Defina o máximo de Tasks paralelas desse Agente como um; uma execução de uso de computador domina a tela, e duas delas no mesmo desktop vão brigar por ela.
A fronteira: diretório, timeout, status
Use diretórios de trabalho temporários para Tasks apoiadas por repositório, para que cada execução prepare um worktree novo. Defina o timeout por Task acima da média de 40 minutos do OSWorld da OpenAI, com folga, e trate uma Task que atinge o limite como um problema de escopo, não de modelo.
O quadro de status é um portão que uma pessoa opera de propósito. Uma Task atribuída a um Agente não começa enquanto ela está em Backlog. Movê-la para um status cuja categoria seja ready for work é o que inicia a execução, e as categorias completed, canceled e duplicate nunca iniciam uma execução inicial. Para o trabalho de uso de computador isso importa: ninguém inicia uma sessão de desktop de 40 minutos por acidente, e o quadro mostra quem a iniciou.
Os cinco portões do nosso fluxo de revisão human-in-the-loop se aplicam diretamente ao Astra. A própria política de aprovação e a revisão automática do Codex são o portão de runtime, e a OpenAI relata que o Astra as respeita. Confirmação do plano, a fronteira de execução, o sinal de atenção e a aceitação são portões do Sharkly, e são justamente os que um terminal nunca registra.
O registro e o aprovador
As execuções do Astra são longas, e as partes interessantes acontecem enquanto ninguém está olhando. Quando uma Task de uso de computador termina, abra a Task: o log de execução mostra os passos, os comentários mostram qualquer pergunta que ele fez, e o relatório final deve declarar as verificações executadas, o que falhou e o que ele deixou de fazer. Um Agente de QA que relata “34 páginas verificadas, 2 blocos de código quebrados, índice de busca desatualizado em /changelog” devolveu algo sobre o qual uma pessoa pode agir.
Então uma pessoa age. A Task mostra Waiting for human review, o revisor lê o relatório, abre os artefatos e move a Task para accepted ou a devolve com um comentário. Esse comentário pode iniciar uma execução de acompanhamento para o mesmo Agente, de modo que a correção chega à mesma Task em vez de a uma nova sessão de terminal.
O contrato não muda porque o modelo ficou melhor. Agentes pesquisam, executam, testam e relatam. Pessoas definem a direção, concedem autoridade e aceitam o resultado. O Astra deixa a primeira frase mais longa. Ele não encurta a segunda.
Projetar para as pausas da OpenAI
A OpenAI é incomumente direta sobre isso em sua visão geral de segurança: o monitoramento de desalinhamento em produção roda em todas as requisições do Astra que usam ferramentas, e as verificações “às vezes podem tornar mais lento, pausar ou interromper trabalho legítimo”, incluindo “tarefas em que um agente fica em execução por um período prolongado”. O uso de computador é a atividade mais longa que o Astra realiza, então é a mais propensa a ser pausada.
Três hábitos absorvem isso.
Mantenha as Tasks pequenas. Uma verificação de QA noturna dividida em uma Task por superfície perde uma superfície para uma pausa, não a noite inteira. O registro da Task persiste, então uma nova execução recupera a descrição, os comentários e os relatórios anteriores.
Agende as rotineiras. Uma Automation com gatilho de agendamento pode iniciar uma execução de Agente a partir de uma expressão cron, então a verificação de QA de frontend roda toda noite às 02:00 sem que ninguém precise iniciá-la, e seus resultados voltam para o histórico de execuções. Nosso guia de Automations cobre os tipos de gatilho.
Encaminhe as interrupções para uma pessoa. Uma execução bloqueada ou com falha aparece como um item de atenção no Inbox, onde o responsável decide se refaz a execução, restringe a Task ou olha o log primeiro. Leia o título e os detalhes do log antes de tentar de novo; os detalhes trazem a resposta original do serviço de modelo, e uma parada do monitor se lê de forma diferente de um timeout.
Um modelo capaz de usar qualquer computador é motivo para ser preciso sobre qual computador, qual diretório, qual log e qual pessoa. O Sharkly é onde essa precisão mora. Conecte um Computer dedicado, crie um Agente de uso de computador com credenciais de staging e atribua a ele algo entediante.
