Google udostępnia kod źródłowy ARTEMIS: AI przejmuje kontrolę nad smartfonami z Androidem
Google opublikowało na GitHubie kod źródłowy narzędzia ARTEMIS, które umożliwia sztucznej inteligencji bezpośrednie sterowanie urządzeniami z systemem Android. Rozwiązanie wspiera automatyzację czynności oraz testowanie aplikacji, integrując się z popularnymi modelami takimi jak Claude Code czy Codex.
Google udostępniło publicznie kod źródłowy projektu ARTEMIS – innowacyjnego narzędzia pozwalającego sztucznej inteligencji na pełną kontrolę nad smartfonami z systemem Android.
Główne zastosowania ARTEMIS obejmują:
- automatyzację działań wykonywanych na telefonie;
- kompleksowe testowanie aplikacji mobilnych.
Narzędzie jest kompatybilne z wiodącymi rozwiązaniami AI, w tym Claude Code, Codex oraz Cursor. Według deklaracji Google, system skutecznie realizuje ponad 99% powierzonych mu zadań.
Mimo imponujących możliwości technicznych, wokół projektu już narosła pewna kontrowersja dotycząca jego implementacji i bezpieczeństwa.
Dlaczego to ważne
AnalizaOtwarcie kodu źródłowego ARTEMIS znacząco obniża barierę wejścia dla programistów chcących tworzyć rozwiązania oparte na automatyzacji Androida przez AI. Może to przyspieszyć rozwój procesów testowych, przepływów pracy agentów oraz eksperymentów związanych ze sterowaniem urządzeniami.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Gemini Flash & Pro (Google Gemini)
Rodzina multimodalnych modeli od Google DeepMind, łącząca rekordowe okno kontekstowe (do 2 mln tokenów), ekstremalną szybkość generacji (ponad 150 tokenów/s) oraz natywne przetwarzanie wideo i audio.
Google AI Studio: darmowe klucze API Gemini
Oficjalne środowisko testowe Google: jak uzyskać darmowy klucz API Gemini bez karty płatniczej, skonfigurować prompty systemowe oraz limity kontekstu do 2 mln tokenów.
Harvard udostępnia darmowy kurs o inżynierii systemów ML
Harvard udostępnił kurs CS249r, poświęcony infrastrukturze potrzebnej do trenowania, wnioskowania i wdrażania modeli AI. Materiały obejmują TinyTorch, interaktywne laboratoria, MLSys·im oraz slajdy wykładów.
Jev i System One AI: Kompletny praktyczny przewodnik po modelu decyzyjnym od TypeSafe
Głęboka analiza inżynieryjna flagowego modelu Jev: architektura System One w kontraście do LLM, prymitywy Choice/Score/Noul, równoległość zapytań, matematyka pewności, przypadki użycia wideo, kod oraz przegląd lokalnych alternatyw open-weight (Laya, GLiNER2.5, CLM-8B).