Anthropic收购Vercept，Claude将获高精度UI视觉操控能力

2026年2月26日，AI公司Anthropic完成对西雅图初创企业Vercept的收购，将整合后者高精度UI识别与空间推理技术，为旗下智能体Claude补足视觉能力短板。Vercept自研模型在ScreenSpot v1基准测试中UI识别准确率达92%，远超OpenAI同类模型的18.3%，此举或将推动智能体进入“视觉操控”新阶段。

当用户还在依赖Claude处理复杂的文本推理任务时，Anthropic已经在为它搭建通往更真实交互的桥梁。2026年2月26日的收购公告，让这家AI公司的战略野心清晰可见——通过纳入Vercept的视觉技术，Claude将首次拥有“看懂”并操控软件界面的能力，打破智能体长期以来的文本交互局限。

在大语言模型智能体的发展浪潮中，文本能力的天花板正在显现。无论是ChatGPT还是早期版本的Claude，它们都能凭借强大的语言理解能力生成文案、解答问题，但面对人类日常高频的软件操作场景——比如在Photoshop中调整图层、在CRM系统中录入客户数据——这些智能体却束手无策。
核心原因在于，传统智能体依赖软件开放的API接口实现交互，一旦软件没有提供接口，就无法完成任何操作。而人类与软件的交互逻辑截然不同：我们通过视觉识别界面元素，再用鼠标或键盘执行操作，这种“看-判断-操作”的流程，正是当前智能体缺失的核心能力。