Was ist OpenComputer?
OpenComputer vom Entwickler andykr1k ist eine Electron-App für Linux, Windows und macOS, die als kleine Kugel auf dem Bildschirm sitzt. Du tippst eine Anfrage; sie macht einen Screenshot, schickt ihn an ein Vision-Language-Modell und führt den nächsten Schritt mit echten Mausbewegungen, Klicks, Ziehen, Scrollen und Tastenanschlägen in gewöhnlichen Desktop-Anwendungen aus, mit einem neuen Screenshot nach jeder Aktion.
Sie spricht mit jedem OpenAI-kompatiblen Endpunkt, der Bilder und Tool-Aufrufe annimmt. Standard ist RedHatAI/Qwen3.5-9B-quantized.w4a16, lokal über vLLM bereitgestellt und so gewählt, dass es auf viele 16-GB-GPUs passt; Screenshots müssen den Rechner also nie verlassen. Das Projekt steht unter MIT-Lizenz und wurde am 22. Juli 2026 als einzelner Commit ohne getaggte Releases veröffentlicht. Es hat nichts mit Diggers gleichnamigem Cloud-Agenten unter opencomputer.dev zu tun.
Lohnt sich OpenComputer?
OpenComputer tut genau eine Sache: Es lässt ein Modell deinen Bildschirm sehen und Maus und Tastatur bedienen. Damit ist es ein reiner Computer-Use-Agent, ohne die Datei-Editoren, Konnektoren oder Multi-Agenten-Planung von Eigent oder OpenWork, und sein Wert liegt darin, wie klar es diese Aufgabe lokal erledigt. Mit dem standardmäßigen quantisierten 9B-Qwen-Modell auf einer 16-GB-GPU bleiben Screenshots, Prompts und Aktionen auf deinem Rechner.
Das Sicherheitsdesign ist für eine Alpha vernünftig. Der Standardmodus Ask first macht automatisch Screenshots, verlangt aber für jede Maus-, Tastatur- und URL-Aktion eine Freigabe, mit Enter zum Bestätigen und Entf zum Ablehnen; der Modus Automatic handelt ohne Rückfrage. Koordinaten und URL-Schemata werden geprüft, Läufe enden standardmäßig nach 25 Schritten, und ein Stopp-Knopf bricht einen laufenden Durchgang ab. Der Renderer hat keinen Node.js-Zugriff, sodass Zugangsdaten und Automatisierung im Hauptprozess bleiben. Die README sagt offen, dass diese Kontrollen das Risiko senken, modellgesteuerte Desktop-Automatisierung aber nicht sicher machen, und dass Text auf jeder Webseite und in jedem Dokument eine Prompt-Injection enthalten kann.
Das Problem ist der Zustand des Projekts. Das Repository enthält einen einzigen Commit vom 22. Juli 2026, hat 31 Sterne, drei offene Issues und keine getaggten Releases, also auch keine Installer: Du baust aus dem Quellcode mit Node 22.12 oder neuer und betreibst das Modell selbst. Nur Linux unter X11 gilt als am besten unterstützt; Wayland, Windows und macOS sind experimentell, der Agent sieht nur den Hauptbildschirm, und API-Schlüssel liegen in einer nur für den Benutzer lesbaren Datei statt im Schlüsselbund des Systems.
Für Entwickler, die untersuchen wollen, wie ein kleines lokales Vision-Modell einen Desktop steuern kann, ist es eine klare, gut lesbare Codebasis. Für echte Arbeit bieten Interpreter Workstation und Eigent Computer-Use innerhalb eines gepflegten Produkts, und ein 9B-Modell verklickt sich auf dichten Oberflächen häufiger als die großen gehosteten Modelle, die diese Werkzeuge nutzen können.
Wo es sich lohnt
Ein Machine-Learning-Ingenieur, der Vision-Language-Modelle bewertet
Sehen, wie ein quantisiertes 9B-Modell mit echten Desktop-Aufgaben zurechtkommt, bevor ein Modell für ein Produkt gewählt wird
Stelle den Standard-Qwen-Checkpoint über vLLM mit 8192 Token Kontext bereit und tausche dann in den Einstellungen den Endpunkt, um andere Modelle bei denselben Aufgaben zu vergleichen. Kostenlose Software auf vorhandener Hardware; die Grenze von 25 Schritten hält Fehlläufe kurz.
Eine Linux-Desktop-Entwicklerin in einem kleinen Open-Source-Projekt
Einen lokalen Assistenten prototypisch bauen, der GUI-Apps bedient, ohne Screenshots irgendwohin zu senden
Forke das Repo und füge Werkzeuge oder Sicherheitsrichtlinien als TypeScript-Module hinzu; lass beim Testen Ask first aktiv, damit jeder Klick und Tastendruck freigegeben werden muss. Betreibe es unter X11, wo synthetische Eingaben am besten unterstützt werden.
Bevor du dich festlegst
- Einrichtung
- Klone das Repo, führe npm install mit Node 22.12 oder neuer aus, starte einen vLLM-Server mit dem mitgelieferten Starter oder trage in den Einstellungen einen gehosteten Endpunkt ein, dann npm start. Ubuntu und Debian brauchen eventuell libxtst6; macOS braucht die Berechtigungen Screen Recording und Accessibility.
- Integrationen
- Jeder OpenAI-kompatible Chat-Completions-Endpunkt mit Bildeingabe und Tool-Aufrufen; vLLM für lokales Bereitstellen. Werkzeuge, Anbieter und Sicherheitsrichtlinien sind TypeScript-Module.
- Daten und Datenschutz
- Mit einem lokalen Modell bleiben Screenshots, Prompts und Tool-Ergebnisse auf dem Rechner. Der Agent liest den Bildschirm und steuert die echte Maus und Tastatur; API-Schlüssel liegen im App-Datenordner mit Rechten nur für den Benutzer, nicht im Schlüsselbund des Systems.
- Kosten im großen Maßstab
- Keine Lizenzkosten. Ein lokaler Lauf braucht für das Standardmodell eine GPU mit rund 16 GB Speicher; ein gehosteter Endpunkt rechnet pro Token ab, Screenshots eingeschlossen.
- Grenzen
- Frühe Alpha mit einem Commit und ohne Releases; nur Hauptbildschirm; Wayland, Windows und macOS experimentell; unter Windows keine Steuerung von Fenstern mit erhöhten Rechten; standardmäßig 25 Schritte.
Was gut ist
- Läuft vollständig lokal mit einem 9B-Vision-Modell auf einer 16-GB-GPU
- Im Modus Ask first wird jede Maus-, Tastatur- und URL-Aktion bestätigt
- Klare Architektur mit isoliertem Renderer
- MIT-Lizenz, jeder OpenAI-kompatible Endpunkt
Was nicht
- Ein Commit, keine Releases, 31 Sterne
- Nur Build aus dem Quellcode; keine Installer
- Nur Linux X11 gut unterstützt; nur Hauptbildschirm
- API-Schlüssel nicht im Schlüsselbund des Systems gespeichert
Am besten für
Entwickler, die einen kleinen, vollständig lokalen Computer-Use-Agenten auf einem Linux-X11-Rechner mit 16-GB-GPU untersuchen oder erweitern wollen.
Alternativen zu OpenComputer
OpenComputer: häufige Fragen
- Lohnt sich OpenComputer?
- OpenComputer ist ein sauberes, ehrlich dokumentiertes Experiment für vollständig lokale Computer-Use, doch ein Commit, keine Releases und 31 Sterne machen es zu einem Projekt zum Lesen, nicht zu einem, dem man den eigenen Desktop anvertraut. Wir bewerten es mit 2.9 von 5.
- Was kostet OpenComputer?
- Kostenlos und Open Source (MIT). Kein Bezahlplan; das Modell stellst du selbst, lokal auf deiner GPU oder über eine kompatible gehostete API.
- Welche Nachteile hat OpenComputer?
- Ein Commit, keine Releases, 31 Sterne; Nur Build aus dem Quellcode; keine Installer; Nur Linux X11 gut unterstützt; nur Hauptbildschirm; API-Schlüssel nicht im Schlüsselbund des Systems gespeichert.
- Für wen eignet sich OpenComputer?
- Entwickler, die einen kleinen, vollständig lokalen Computer-Use-Agenten auf einem Linux-X11-Rechner mit 16-GB-GPU untersuchen oder erweitern wollen.
- Was kostet OpenComputer für ein Team oder im Produktivbetrieb?
- Keine Lizenzkosten. Ein lokaler Lauf braucht für das Standardmodell eine GPU mit rund 16 GB Speicher; ein gehosteter Endpunkt rechnet pro Token ab, Screenshots eingeschlossen.
- Ist OpenComputer sicher für Firmendaten?
- Mit einem lokalen Modell bleiben Screenshots, Prompts und Tool-Ergebnisse auf dem Rechner. Der Agent liest den Bildschirm und steuert die echte Maus und Tastatur; API-Schlüssel liegen im App-Datenordner mit Rechten nur für den Benutzer, nicht im Schlüsselbund des Systems.
- Was sind die besten Alternativen zu OpenComputer?
- Die nächsten Alternativen, die wir getestet haben, sind Interpreter Workstation, Eigent, Magentic-UI (MagenticLite) und Browser Use.
Antworten geprüft am 14. Nov. 2026.