通义千问发布Qwen-CUA:原生计算机使用智能体
xhluca · x · 2026-08-03
阿里通义千问团队推出了原生计算机使用智能体 Qwen-CUA，旨在解锁图形用户界面（GUI）的交互能力。
该智能体具备三大核心特性：
- 原生感知：仅依赖截图进行视觉理解，不依赖 DOM 树或无障碍接口等隐藏机器状态。
- 原生交互：通过模拟鼠标和键盘事件，能够跨浏览器、桌面应用和专业软件进行操作，无需特定任务的 API。
- 原生智能：能够维持长期的视觉上下文，验证任务进度，并从大规模的可验证交互经验中学习。
为实现大规模训练，团队构建了约 4 万个可验证任务的基础设施，并调配了近 10 万个 vCPU，以支持数万个并发环境。
「编程与Agent」频道最新
- Hybrid Reasoning Agents 论文:让 Agent 在潜空间思考、用文本行动 — _akhaliq · 2026-10-16
- 开发者用3台DGX Spark组本地集群跑GLM-5.3-Flash,配代理均衡日生175万token — Teknium · 2026-10-16
- 开发者分享给电脑上的 Agent 划权限:能读能写,发删买一律先问人 — No_Fan5310 · 2026-10-16
- 开发者用GPT写出unifi-simulator,让MikroTik交换机伪装进UniFi网络拓扑 — Pytlicek · 2026-10-16
- 斯坦福 45 分钟课拆解 Grok Bot:always-on agent 的 harness 工程 — Hesamation · 2026-10-16
- Opus 5.5 + Three.js 打造水波鱼群樱花互动场景，美到刷屏 — nikola_mr64990 · 2026-10-16