首页OpenCUA 的开源人工智能代理挑战 OpenAI 和 Anthropic 的专有模型
香港大学及其合作机构的研究人员开发了一个名为 OpenCUA 的创新开源框架，为构建能够操作计算机的人工智能代理奠定了坚实的基础。这个全面的工具包为扩大计算机使用代理（CUA）的开发规模提供了基本组件，包括专用工具、广泛的训练数据集和经过验证的方法。
初步评估表明，与其他开源解决方案相比，使用 OpenCUA 训练的模型在 CUA 基准测试中取得了优异的性能，同时可与 OpenAI 和 Anthropic 等行业领先企业的专有系统相媲美。
开发计算机使用代理的复杂挑战
计算机使用代理代表了一种变革性的人工智能，旨在自主执行从简单的网络导航到复杂的软件操作等各种数字任务。这些智能系统在企业工作流程自动化方面具有巨大潜力，但大多数先进的计算机使用代理仍是专有黑盒。
"商业 CUAs 缺乏透明度限制了技术进步，并引发了重要的安全问题，"研究团队在发表的论文中指出。"科学界需要真正开放的框架，以正确调查能力、局限性和潜在风险"。
当前的开源计划面临着重大障碍，包括
- 大规模、多样化数据收集的基础设施不足
- 高质量图形用户界面交互数据集的可用性有限
- 文档不足，导致研究难以复制
正如本文所述"这些制约因素共同阻碍了通用 CUAs 的发展，妨碍了对其可扩展性、泛化能力和最佳学习方法的全面探索"。
介绍 OpenCUA 框架
*OpenCUA架构概述（来源：香港大学XLANG实验室）*。 OpenCUA 框架引入了一个综合解决方案，以应对数据收集和模型训练方面的挑战。其核心组件是 AgentNet 工具--可在多个操作系统中捕捉详细人机交互信息的专用软件。
*AgentNet数据收集工具（来源：香港大学XLang实验室）*。 这一创新工具可在后台悄然运行，并进行记录：
- 屏幕活动视频
- 精确的鼠标/键盘输入
- 定义屏幕元素的无障碍树结构
研究人员将这些原始交互数据处理成精炼的 "状态-动作轨迹"，将计算机屏幕截图与相应的用户动作配对。由此产生的 AgentNet 数据集包含 22600 多个任务演示，横跨 Windows、macOS 和 Ubuntu 环境，以及 200 多个不同的应用程序和网站。
香港大学博士生研究员、该研究合著者王新元强调了他们严格的隐私保护措施："我们实施了一个多层次的安全框架，允许注释者对其提交的内容进行完全的可见性和控制，然后在数据发布前进行人工验证和自动敏感内容扫描。
创新的培训方法
*OpenCUA的思维链推理过程（来源：香港大学XLang实验室） 该框架引入了一个新颖的数据处理管道，将已清理的状态-行动对与结构化的思维链推理相结合。这种方法可为每个动作生成详细的 "认知独白"，其中包括
- 高级屏幕观察
- 战略分析和规划
- 精确的可执行指令
据 Wang 介绍，企业可以通过记录内部工作流程并应用相同的推理框架，调整这一管道，为专有系统培训专用代理。"他解释说："这使企业能够开发高性能的定制代理，而无需手动创建推理跟踪。
基准性能和企业应用
*OpenCUA性能比较（来源：香港大学XLANG实验室） 在 OSWorld-Verified 基准测试中，320 亿参数 OpenCUA 模型在开源解决方案中取得了创纪录的性能，同时大大缩小了与领先专有系统的差距。企业的主要收获包括
- 框架适用于各种模型架构和规模
- 跨平台和任务类型的强大通用性
- 对重复性工作流程的自动化特别有效
Wang 强调了实施方面的挑战："现实世界的部署需要强大的安全机制，以防止在任务执行过程中出现意外的系统修改或有害的副作用。
研究团队公开发布了所有框架组件，包括源代码、数据集和模型权重。随着 OpenCUA 驱动的代理的发展，它们可能会从根本上改变工作场所的动态，让人类员工专注于战略目标，而人工智能则负责操作执行。
相关文章
Base44 推出专有 AI 模型，以增强其 Vibe Coding 平台的安全性
Base44，这个一年前仅成立六个月、团队规模仅为八人的初创公司，被Wix以8000万美元收购，如今已开始部署其专有AI模型，帮助用户使用自然语言构建应用程序。这一进展正值AI社区争论前沿模型是否适用于所有用例，以及依赖外部模型的企业能否保持长期竞争优势之时。总部位于湾区的Base44的最新战略旨在解决这两方面的担忧。尽管其定制大语言模型（LLM）刚刚推出，Base44的目标是最终超越前沿模型。创始人Maor Shlomo指出，“作为我们整个技术栈的一部分来训练并拥有该模型，使我们能够在延迟
Multiverse Computing推出免费压缩生成式AI模型
大型语言模型面临着一个重大挑战：其庞大的体量。西班牙初创公司Multiverse Computing正通过创建压缩模型来解决这一问题，旨在弥合尖端人工智能能力与企业实际可负担实施能力之间的差距。其核心创新在于CompactifAI压缩技术——这项受量子计算原理启发的技术已被这家巴斯克公司用于优化OpenAI的模型。从今天起，开发者可在Hugging Face平台免费获取Multiverse增强版H
秘密追踪数据揭露人工智能模型被盗事件
一种新方法能在数秒内对ChatGPT等模型进行隐形水印处理，无需重新训练，既不会在标准输出中留下痕迹，又能抵御所有实际的去除尝试。 水印技术与"版权诱饵"的关键区别在于：无论可见或隐形的水印，通常都设计为贯穿整个集合（如图像数据集）的持续性威慑手段，以防范随意复制。而虚构条目则是将一小段文本（通常为单词或定义）植入大型通用集合中，旨在证明盗用行为。其原理在于：当作品被直接盗用或作为衍生作品基础时，
相关专题推荐
教育与学习
用于作业和考试备考的AI学习工具
2026年最新最佳AI学习工具，助您轻松完成作业和备考！XIX.AI精心筛选出一份广受好评的顶级工具清单，这些功能强大、颠覆传统的工具经过实际测试，能帮助学生提升效率、简化作业流程，并轻松通过考试。 获取免费版与付费版的对比分析、详细排名以及必试选项，释放你的AI优势。立即探索！
10 个工具
xix.ai
音乐创作
面向词曲创作者、旋律片段、主旋律及多语言草稿创作的AI人声演示工具
2026 年最新最佳 AI 人声演示工具，专为词曲创作者、旋律创作者和多语言内容团队打造！XIX.AI 精心整理了一份经过严格真实世界测试的高评分、变革性工具列表。您将找到详细的免费与付费对比数据、全面排名以及必试选项，帮助您提升创作效率并释放创意潜力。立即探索，发现满足您所有内容需求的完美工具！
9 个工具
xix.ai
商业
适合中小企业的最佳AI竞品分析工具
2026年最新最佳、评价最高的中小企业AI竞争研究工具！XIX.AI精心精选了一系列功能强大、颠覆行业格局的工具，每周都会根据严格的实际测试和详细排名进行更新。您可以查看全面的免费版与付费版对比，从而找到那些能提升工作效率、助您赢得竞争优势的必试工具。 立即探索，发现最适合您的工具！
9 个工具
xix.ai
图像编辑
用于电商服装、皮肤清洁和色彩一致性的 Photoshop AI 修图工具
2026 年最新最佳 Photoshop AI 修图工具，适用于电商服装、皮肤清洁和色彩一致性！这份顶级精选列表包含强大的变革性解决方案，可帮助您提升写作效率、简化内容创作并轻松实现完美的视觉效果。每个工具都经过实际测试，并通过每周更新的排名进行验证，同时提供免费与付费版本的详细对比。由 XIX.AI 支持，这是任何希望发挥 AI 优势的人必试指南。立即探索！
10 个工具
xix.ai
提示词
适用于 ChatGPT 工作流的最佳 AI 提示词库
2026年最新、最受好评的AI提示词库，可优化各类ChatGPT工作流程。XIX.AI精心整理了一套功能强大、具有颠覆性的提示词库，均经过严格的实际测试，以确保最佳性能。 您可以查看详细的免费版与付费版对比分析以及专家排名，这些内容将帮助您挑选出必试的工具，从而提升工作效率并释放您的AI优势。立即探索！
11 个工具
xix.ai
教育与学习
面向教师、辅导老师和基于群体的学习项目的 AI 测验构建平台
2026年最新最佳AI测验构建平台，适用于教师、辅导老师和基于群体的学习项目！XIX.AI精心整理了一份顶级评分列表，包含经过现实世界测试的强力变革性工具，以提供准确的排名。这些必试平台有助于提高写作效率、简化内容创作，并简化各种学习场景中的测验设计。立即探索，发现您解锁教学AI优势的理想工具！
13 个工具
xix.ai
评论 (1)
0/500
![JuanJackson]()
Любопытно, как открытые проекты вроде OpenCUA бросят вызов гигантам вроде OpenAI. Может, наконец-то появится реальная альтернатива? Хотя, конечно, всегда есть опасения по поводу безопасности таких агентов — вдруг начнут делать что-то не то? 😅
香港大学及其合作机构的研究人员开发了一个名为 OpenCUA 的创新开源框架，为构建能够操作计算机的人工智能代理奠定了坚实的基础。这个全面的工具包为扩大计算机使用代理（CUA）的开发规模提供了基本组件，包括专用工具、广泛的训练数据集和经过验证的方法。
初步评估表明，与其他开源解决方案相比，使用 OpenCUA 训练的模型在 CUA 基准测试中取得了优异的性能，同时可与 OpenAI 和 Anthropic 等行业领先企业的专有系统相媲美。
开发计算机使用代理的复杂挑战
计算机使用代理代表了一种变革性的人工智能，旨在自主执行从简单的网络导航到复杂的软件操作等各种数字任务。这些智能系统在企业工作流程自动化方面具有巨大潜力，但大多数先进的计算机使用代理仍是专有黑盒。
"商业 CUAs 缺乏透明度限制了技术进步，并引发了重要的安全问题，"研究团队在发表的论文中指出。"科学界需要真正开放的框架，以正确调查能力、局限性和潜在风险"。
当前的开源计划面临着重大障碍，包括
- 大规模、多样化数据收集的基础设施不足
- 高质量图形用户界面交互数据集的可用性有限
- 文档不足，导致研究难以复制
正如本文所述"这些制约因素共同阻碍了通用 CUAs 的发展，妨碍了对其可扩展性、泛化能力和最佳学习方法的全面探索"。
介绍 OpenCUA 框架
OpenCUA 框架引入了一个综合解决方案，以应对数据收集和模型训练方面的挑战。其核心组件是 AgentNet 工具--可在多个操作系统中捕捉详细人机交互信息的专用软件。
这一创新工具可在后台悄然运行，并进行记录：
- 屏幕活动视频
- 精确的鼠标/键盘输入
- 定义屏幕元素的无障碍树结构
研究人员将这些原始交互数据处理成精炼的 "状态-动作轨迹"，将计算机屏幕截图与相应的用户动作配对。由此产生的 AgentNet 数据集包含 22600 多个任务演示，横跨 Windows、macOS 和 Ubuntu 环境，以及 200 多个不同的应用程序和网站。
香港大学博士生研究员、该研究合著者王新元强调了他们严格的隐私保护措施："我们实施了一个多层次的安全框架，允许注释者对其提交的内容进行完全的可见性和控制，然后在数据发布前进行人工验证和自动敏感内容扫描。
创新的培训方法
该框架引入了一个新颖的数据处理管道，将已清理的状态-行动对与结构化的思维链推理相结合。这种方法可为每个动作生成详细的 "认知独白"，其中包括
- 高级屏幕观察
- 战略分析和规划
- 精确的可执行指令
据 Wang 介绍，企业可以通过记录内部工作流程并应用相同的推理框架，调整这一管道，为专有系统培训专用代理。"他解释说："这使企业能够开发高性能的定制代理，而无需手动创建推理跟踪。
基准性能和企业应用
在 OSWorld-Verified 基准测试中，320 亿参数 OpenCUA 模型在开源解决方案中取得了创纪录的性能，同时大大缩小了与领先专有系统的差距。企业的主要收获包括
- 框架适用于各种模型架构和规模
- 跨平台和任务类型的强大通用性
- 对重复性工作流程的自动化特别有效
Wang 强调了实施方面的挑战："现实世界的部署需要强大的安全机制，以防止在任务执行过程中出现意外的系统修改或有害的副作用。
研究团队公开发布了所有框架组件，包括源代码、数据集和模型权重。随着 OpenCUA 驱动的代理的发展，它们可能会从根本上改变工作场所的动态，让人类员工专注于战略目标，而人工智能则负责操作执行。
Base44 推出专有 AI 模型，以增强其 Vibe Coding 平台的安全性
Base44，这个一年前仅成立六个月、团队规模仅为八人的初创公司，被Wix以8000万美元收购，如今已开始部署其专有AI模型，帮助用户使用自然语言构建应用程序。这一进展正值AI社区争论前沿模型是否适用于所有用例，以及依赖外部模型的企业能否保持长期竞争优势之时。总部位于湾区的Base44的最新战略旨在解决这两方面的担忧。尽管其定制大语言模型（LLM）刚刚推出，Base44的目标是最终超越前沿模型。创始人Maor Shlomo指出，“作为我们整个技术栈的一部分来训练并拥有该模型，使我们能够在延迟
Multiverse Computing推出免费压缩生成式AI模型
大型语言模型面临着一个重大挑战：其庞大的体量。西班牙初创公司Multiverse Computing正通过创建压缩模型来解决这一问题，旨在弥合尖端人工智能能力与企业实际可负担实施能力之间的差距。其核心创新在于CompactifAI压缩技术——这项受量子计算原理启发的技术已被这家巴斯克公司用于优化OpenAI的模型。从今天起，开发者可在Hugging Face平台免费获取Multiverse增强版H
秘密追踪数据揭露人工智能模型被盗事件
一种新方法能在数秒内对ChatGPT等模型进行隐形水印处理，无需重新训练，既不会在标准输出中留下痕迹，又能抵御所有实际的去除尝试。 水印技术与"版权诱饵"的关键区别在于：无论可见或隐形的水印，通常都设计为贯穿整个集合（如图像数据集）的持续性威慑手段，以防范随意复制。而虚构条目则是将一小段文本（通常为单词或定义）植入大型通用集合中，旨在证明盗用行为。其原理在于：当作品被直接盗用或作为衍生作品基础时，
2026年最新最佳AI学习工具，助您轻松完成作业和备考！XIX.AI精心筛选出一份广受好评的顶级工具清单，这些功能强大、颠覆传统的工具经过实际测试，能帮助学生提升效率、简化作业流程，并轻松通过考试。 获取免费版与付费版的对比分析、详细排名以及必试选项，释放你的AI优势。立即探索！
10 个工具
xix.ai
2026 年最新最佳 AI 人声演示工具，专为词曲创作者、旋律创作者和多语言内容团队打造！XIX.AI 精心整理了一份经过严格真实世界测试的高评分、变革性工具列表。您将找到详细的免费与付费对比数据、全面排名以及必试选项，帮助您提升创作效率并释放创意潜力。立即探索，发现满足您所有内容需求的完美工具！
9 个工具
xix.ai
2026年最新最佳、评价最高的中小企业AI竞争研究工具！XIX.AI精心精选了一系列功能强大、颠覆行业格局的工具，每周都会根据严格的实际测试和详细排名进行更新。您可以查看全面的免费版与付费版对比，从而找到那些能提升工作效率、助您赢得竞争优势的必试工具。 立即探索，发现最适合您的工具！
9 个工具
xix.ai
2026 年最新最佳 Photoshop AI 修图工具，适用于电商服装、皮肤清洁和色彩一致性！这份顶级精选列表包含强大的变革性解决方案，可帮助您提升写作效率、简化内容创作并轻松实现完美的视觉效果。每个工具都经过实际测试，并通过每周更新的排名进行验证，同时提供免费与付费版本的详细对比。由 XIX.AI 支持，这是任何希望发挥 AI 优势的人必试指南。立即探索！
10 个工具
xix.ai
2026年最新、最受好评的AI提示词库，可优化各类ChatGPT工作流程。XIX.AI精心整理了一套功能强大、具有颠覆性的提示词库，均经过严格的实际测试，以确保最佳性能。 您可以查看详细的免费版与付费版对比分析以及专家排名，这些内容将帮助您挑选出必试的工具，从而提升工作效率并释放您的AI优势。立即探索！
11 个工具
xix.ai
2026年最新最佳AI测验构建平台，适用于教师、辅导老师和基于群体的学习项目！XIX.AI精心整理了一份顶级评分列表，包含经过现实世界测试的强力变革性工具，以提供准确的排名。这些必试平台有助于提高写作效率、简化内容创作，并简化各种学习场景中的测验设计。立即探索，发现您解锁教学AI优势的理想工具！
13 个工具
xix.ai
Любопытно, как открытые проекты вроде OpenCUA бросят вызов гигантам вроде OpenAI. Может, наконец-то появится реальная альтернатива? Хотя, конечно, всегда есть опасения по поводу безопасности таких агентов — вдруг начнут делать что-то не то? 😅
