a16z 深度报告：CUA 智能体基准得分已超越人类测试者

a16z · x · 2026-08-10

a16z 发布了关于计算机使用智能体（CUA）的深度分析文章。数据显示，过去一年中 CUA 模型进步远超预期：在标准桌面操作基准测试中，最佳模型得分从去年的 42% 飙升至目前的 85%，而已知人类测试者的平均得分仅为 72%。

文章指出，CUA 已从单纯的演示阶段跨越到可规模化部署的生产阶段。目前，它们在处理系统更新、跨平台数据迁移、工单处理等狭窄但重复性高的任务上表现出色。然而，当工作流偏离预设轨道时，智能体依然显得较为脆弱。