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
- 开发者实测：用 AI 辅助设计 PCB 电路板，降低学习门槛 — pramodk73 · 2026-08-03
- 开发者实测：大模型已近乎解决表格数据的特征工程 — mariofilhoml · 2026-08-03
- Claude Code 仅用 8 分钟自动发现硬件钱包漏洞 — rickasaurus · 2026-08-03
- Vibe coding 难以搞定企业级 ERP？从业者揭示落地挑战 — MatthewChang · 2026-08-03
- Uber Eats 多智能体架构揭秘：自调优系统如何处理千万级照片 — prashantkr_00 · 2026-08-03
- 3D引擎优化：零解析二进制格式，1.4秒加载3777个资产 — gdechichi · 2026-08-03