ApprenticeBench首测：顶级模型走GUI已胜过API，CUA税消失
ysu_nlp · x · 2026-09-11
Boyu Gou（SeeAct、UGround、Mind2Web 2 作者）发布 ApprenticeBench——首个针对真实会计工作中电脑使用与持续学习的 benchmark，测量模型边干边学、通过 GUI 或 API 处理账单的表现：
- Fable 5.1：GUI 72% vs API 70%
- GPT-6 Astra：GUI 68% vs API 65%
结论：在 100 个任务的「学习+执行」长流程中，头部模型的「CUA 税」在任务成功率上已经消失——最强 agent 走 GUI 的成功率已超过走 API。作者认为自 Opus 4 和 Sonnet 4.5 以来，computer use 一直被严重低估、评测面过窄。
所属事件:ApprenticeBench发布：首个岗位级持续学习基准(14 条相关)→
「编程与Agent」频道最新
- AustinLangChain 分享 RAG 变体：预计算黄金答案运行时精确匹配 — colinmcnamara · 2026-10-27
- 开发者观点：与 agent 交互式协作仍有未被挖掘的价值 — alex_frantic · 2026-10-27
- 研究者发起 AMA:揭秘「平民开发者」用 AI Agent 自动化企业工作 — Loose_Rip359 · 2026-10-27
- Gradio 推 ML Intern 人工介入：训练前可暂停审核数据 — Gradio · 2026-10-27
- 玩家用本地 LLM + Blender MCP 自动搭建 Halo 无限 Forge 地图 — swagonflyyyy · 2026-10-27
- Unity 前开发者:OpenClaw 清理得不错,值得再试一次 — lucasmeijer · 2026-10-27