論文

SimuLangのご紹介：デスクトップ全体のためのPlaywright

アン・リー著 • カリフォルニア州パロアルト • 2026年4月23日

Simulangは、ブラウザ、ネイティブアプリ、OSレベルのワークフローを自動化するためのスクリプト言語で、AIエージェントによって記述されるように設計されています。Simulangをオープンソース化しました。今すぐ単一のコマンドでインストールできます。

That absence creates problems. AI agents, as the industry currently builds them, lack efficiency.

To be clear, this isn’t about AI’s capability; frontier labs have been breaking new grounds virtually every month. The problem is agent cost – measured in dollars, time, tokens, compute, and human oversight – and the fact that none of those costs gravitate toward the most efficient result. Just as how things in nature tend towards efficiency, computer autonomy should, too.

開発の背景

最近、コンピューターの使用時間が1日約2時間に大幅に短縮されたことに気付きました。一年前、私は簡単に８歳になっていました。違いは、コンピューター使用エージェント (CUA) がだんだん良くなってきているという点です。業界がついに人間のように見て行動できるエージェントが作られるようになったからです。

速度。 各アクションは50ミリ秒未満で完了します。これは、ローカルAPIにクエリを実行し、クリックを実行するのにかかる時間です。画像キャプチャ、アップロード、モデル推論は不要です。20ステップのワークフローは1秒未満で完了します。スクリーンショットベースのエージェントは、同じワークフローでアクションごとに3～5秒かかり、大規模な場合、60～100倍遅くなります。

コスト。 Simulangスクリプトは、再生時にトークンを消費しません。スクリプトが最初に作成されたとき（またはSaiが自然言語から生成したとき）にLLMの推論に対して料金を支払います。その後、すべての実行は無料です。API呼び出しも、クラウド処理も、実行ごとの料金も発生しません。毎日何百もの自動化ワークフローを実行するチームにとって、これは実現可能か法外に高価かの違いを意味します。これらは漸進的な改善ではありません。これらは、ピクセルではなくセマンティック要素、クラウド推論ではなくローカル実行、確率的な推測ではなく決定論的な参照という、適切な抽象化を選択することから生まれる構造的な利点です。

Lastly, today's agents don’t practice because they never learn on the task. Agents of today are predominantly LLM-based. While an LLM model is great at solving novel problems, it’s wasteful on routine tasks. It doesn’t learn on the task but re-inferences from scratch every time. The LLM keeps doing the work without ever forming muscle memory, so it never gets more efficient at a task it has already done a hundred times. This turns into billable amnesia.

What practice looks like in a machine

So how do we build agents that actually follow the power law of practice? The good news is we already have a working example of extreme efficiency sitting inside our brain.

The human brain runs on about 20 watts [3]. That is the power of a dim light bulb, and with it, a person can hold a conversation, recognize a face across a noisy room, plan a week of meals, and second-guess a decision from 10 years ago. No machine we have built comes close to that efficiency, namely the ratio of output to energy consumption.

It’s worth sitting with that before talking about machine intelligence. The brain did not become efficient by being powerful. It gets there by being cheap, and it gets cheap through practice.

An AI agent should work the same way. It shouldn’t pay twice for the same task, and it shouldn’t starve the model to save on tokens. Like muscle, learned and repeated actions can be handled by a small model and stored in small memory units. Not everything needs to route through a central LLM – the "brain" – every time. Intelligence doesn’t require brute force; small, structured, symbolic units can execute repeated work in code efficiently. That is the power law of practice: the first run is an expensive discovery, and every run after gets cheaper.

This is also the neurosymbolic approach: neural LLMs where novelty is needed for discovery, and symbolic, muscle-memory-like code for repeatable work. The neural half handles first encounters; the symbolic half is where practice happens. Together, they give agents efficiency overtime.

Simulangの機能

あなたはこう尋ねるかもしれません:

Simulangスクリプトは次のことができます。

- あらゆるアプリケーションを開く — ブラウザ、ネイティブデスクトップアプリ、システムダイアログ、ファイルマネージャー。
- アクセシビリティツリーを読み取る — すべてのボタン、テキストフィールド、メニュー項目、ラベルが構造化された参照可能な要素として公開されます。
- 決定論的に対話する — ピクセル座標ではなく要素参照によって、クリック、入力、選択、切り替え、スクロール、展開/折りたたみを行います。
- ビジョンにフォールバックする — アプリケーションがアクセシビリティデータを公開しない場合、Simulangはピクセルレベルのビジョンによるグラウンディングを使用して画面上の要素を特定します。

自律型コンピュータを構築しても、人間が置き換えられるわけではありません。それは協力を意味する。

コンピューターから手を離してください。Simular を今すぐ無料でダウンロードしてください。

Sai をお試しください