AREX Feed Article
Pine AI 发布为 AI 打造的云端计算机 Pine Computer，面向开发者内测
10 月 9 日（北京时间 10 月 10 日凌晨），Pine AI 创始人 Stanley Wei（）在 X 上发帖宣布发布 Pine Computer（），主张 AI 已经足够聪明，问题出在计算机这一层：人们把一台为人类制造的机器交给 AI，再包上沉重的 harness（代理执行框架）。
几乎同一时间，Pine AI 通过 PRNewswire 发布，给出了具体产品：Pine Computer 是一台为 AI 打造的云端计算机，面向开发者进入私有测试。开发者的产品通过 SDK（软件开发工具包）在需要时创建一台这样的计算机，把任务交给它；它在浏览器、文件和 shell（命令行环境）里完成工作，再把文件、记录和答案交回产品。在公开基准 SaaS-Bench v1.1 上，它用更低成本的模型拿到发布方表格里最高的检查点分数（78.3%），但整任务完成率低于两个对手。
「AI 不需要变得更聪明，它需要一台为它打造的计算机」
魏的帖文很短：AI 已经足够聪明；真实世界的任务仍然缓慢、昂贵、不可靠，因为「我们把一台为人类制造的计算机交给 AI，再把它包进沉重的 harness」；AI 不需要变得更聪明，它需要一台为它打造的计算机；最后一句是「今天我们发布 Pine Computer」，后面附一段发布视频。帖文发出于美东时间 10 月 9 日 12 点 02 分（北京时间 10 月 10 日 0 点 02 分）。
他随后连发的帖文里补上了细节与证据：一组帖文解释这台计算机做了什么，另一组给出与 GPT-5.6 Sol + Codex 的对比，并把结论写成一句话：「更小的模型在正确的计算机上，胜过了更大的模型在错误的计算机上。」（）
截至截稿，这条帖文在 X 上显示超过 2,300 万次浏览、8,600 余次点赞和 777 次转发。
产品形态：一个 SDK 启动云端计算机，成品交回产品
按与新闻稿的说法，Pine Computer 跑在 Pine 的云上，拆开是一组云端虚拟机、一层 harness、一层接进操作系统与浏览器的运行时、若干本地工具与远端 API（应用编程接口）工具；开发者拿到的是 SDK 和 API。在 首页上，Ruby 示例只有三步：创建一台计算机（可指定国家或地区，设为一次性）、开一个带浏览器的会话、把任务交给它；示例任务是把上个月供应商门户里的发票拉进台账。
计算机、里面的模型、浏览器和隔离层都由 Pine 运行，任务完成后的文件、记录与答案回到开发者的产品里。联合创始人兼首席架构师 Dylan Wang 在里的说法更直接：「一个 SDK 就让你的产品拉起一台计算机，给它一个目标，让它执行……不用自己搭代理基础设施。」
博客 FAQ 写明：Pine Computer 面向开发者和软件公司，普通用户通过构建在其上的产品来使用它。它目前处于私有测试阶段；博客还提到，这台计算机先服务于 Pine 自家的两条产品线——面向小企业的 pine.im 和面向企业的 pineforbusiness.com，然后才对外开放。新闻稿在介绍公司时称，Pine AI 的系统已处理数百万个真实世界任务。
机制：让计算机主动告诉模型「发生了什么」
宣言把这件事讲得更直白：「AI 一直生活在云端，却工作在你们的桌面上。现在，它在自己生活的地方工作。」（）
官方博客用两条路径说明差别。在为人类造的计算机上，AI 的循环是：计算机把像素渲染给人眼，模型读整张屏幕截图，猜指针该点哪里，再重新渲染来确认点击是否生效——每一步都在重新发现计算机其实已经知道的东西。
Pine Computer 的循环是：计算机直接告诉模型「什么变了」，并把变化写成结构信息——页面上有什么、能做什么、刚刚变了什么；模型按元素引用行动，拿到的结果明确：完成、降级或拒绝。博客把这一机制比作「AI 感知的 epoll」（事件通知机制）：变化触发注意，模型据此行动，不必反复轮询；只有在画面本身就是信息、或者需要人来核对时，才动用像素。
博客列出的其他细节同样按「AI 优先」安排：多台计算机并行，每台跑多个会话，桌面交互不再被一个指针和键盘焦点卡住；需要登录时，计算机会回调，人在直播画面里接手输入密码，再把控制权交还；每台计算机封闭在独立沙箱里，保存的状态用客户自己的密钥加密，Pine 称自己也无法读取，并承诺开源这部分实现；遇到 CAPTCHA（验证码），它会先试，过不去就像人一样求助。启动速度上，官方称新计算机几秒可用、带大量存档状态的约 15 秒恢复、暂停的不到 1 秒恢复。
基准对比：三个系统、两种分数与成本口径
三个系统的对比来自官方博客与基准发布方的表格：
| 系统 | 检查点分数 | 整任务完成率 | 模型成本/任务 |
|---|---|---|---|
| GPT-5.6 Sol + Codex | 71.1% | 29.2% | $20.50 |
| Opus 5 + Claude Code | 74.3% | 31.1% | $26.50 |
| GPT-5.6 Luna on Pine Computer | 78.3% | 27.4% | $1.02 |
两个分数含义不同：检查点分数是任务沿途通过的检查点占比，整任务完成率是端到端做完的比例。博客写得很清楚：Pine 通过的检查点最多，但完成整任务的数量少于前两个系统——「完成一个整任务与通过检查点是不同的度量」。博客同时提示，这是整系统之间的对比，各系统预算不同，不能当作对这台计算机本身的单独测试。官网首页把卖点写成「快 2～5 倍、模型成本 1/25」，脚注注明来自 Pine 的初步内部测试、结果因任务而异。
基准发布方 UniPat AI 的显示：v1.1 覆盖 106 个任务、23 个应用，Pine Computer 以自研运行时 PCR（Pine Computer Runtime）列在「原生 harness」一组，在九套系统里检查点分数最高；整任务完成率最高的则是 Opus 5 / Claude Code。费用还有一个口径细节：博客解释排行榜上约 $3.6 是按 Pine 消费产品标价计的运行成本，$1.02 才是与其他系统同口径的模型 token 成本（按调用量计费，不含基础设施）；运行数据按博客说法已发布在 上，评测工具也将公开。
有人叫好，有人先问它究竟是软件还是硬件
「我从未想过能做出速度这么快、成本这么低的 computer use agent。你实现了我的梦想！」独立研究者 Bojie Li（@bojie_li，简介为交互式代理系统）在回复里这样写（computer use agent 指操作计算机完成任务的 AI 代理；）。
也有直接的怀疑。做个人 AI 助理的开发者 Anderson（@ItsGoharr）回复：「说 AI 已经足够聪明，只是把懒惰包装成了洞见。」（）
还有人先关心形态。@frendudebro 问：「所以这台『计算机』是软件还是硬件？」（）魏回了一句：「它是一台云端计算机！」（）
DAIR.AI 的 elvis（@omarsar0）写道：「这是一次出色的发布。它清楚说明，模型已经能处理非常复杂的任务；接下来优化脚手架和它运行的环境，是顺理成章的事。」（）
内测、开放承诺与等待验证的成绩单
博客 FAQ 里另有一条：计算机只在 Pine 的云端运行，不能装在开发者自己的机器上；目前可选的是 Pine 自己的模型和 GPT-5.6 Luna，自带模型与 API key 即将推出——模型要先通过他们的基准检查清单才会放行。
关于开放，新闻稿引用 Dylan Wang 的话：Pine 计划公开其设计、实现与规范，「我们不认为面向 AI 的计算的未来应该属于一家公司」；博客称会陆续发布更多设计、实现、评测工具、部分执行轨迹与支持数据；联合创始人兼 CTO Vincent Sun 也在回复里说，会逐步公开设计、架构、实现、协议，甚至模型（）。
新闻稿还称，在一家企业部署中，Pine Computer 帮助自动化审计，客户团队「以同样的人手多承担了 50% 的工作」。
博客写得很直接：「别相信我们，自己跑一遍。」开发者目前可以通过 pinecomputer.io 的等待名单申请进入内测；评测工具与更多运行数据按计划随后公开。