阿里开源 OpenGCUA:全栈开放通用电脑操作 Agent,OSWorld-v2 均分提升 19.6
Tongyi-MAI · hf · 2026-10-16
阿里巴巴 Tongyi-MAI 团队发布 OpenGCUA,一个全栈开源的通用电脑操作智能体(GCUA)项目,首个版本已放出代码、项目网站与交互实验环境。
- 设计要点:模型可自主选择通过视觉或程序化接口观察与操作;引入 code execution,让中间结果决定后续操作,直接复用模型已有的编程能力;提出 harness-to-model decision transfer,把原本固定在 harness 规则里的观察与任务状态决策转移给模型。
- 效果:在 OSWorld-v2 上,完整配置使八个受测模型(含 GPT-6 Astra 与 Claude Opus 5)的任务得分普遍提升,平均 partial score +19.6 分,平均每任务步骤数减少 53.0%。
作为对封闭前沿系统(GPT-6 Astra 计算机使用系统)的开源回应,旨在与社区共建完整开放栈。
「编程与Agent」频道最新
- 阿里开源 MAI-Gym：移动与桌面 GUI Agent 评测加强化学习训练一体化平台 — Tongyi-MAI · 2026-10-16
- 上海 AI Lab 提出 SERO：用可执行 Oracle 续跑训练长程智能体强化学习 — Shanghai-AI-Laboratory · 2026-10-16
- 用 Kubernetes 管理歌单：K8s FM 声明式同步 Spotify 播放列表 — saheedniyi_02 · 2026-10-16
- 云端 agent 集群都在干什么？四大真实用例浮出水面 — Dan_Jeffries1 · 2026-10-16
- 实测 Codex 跨窗口读聊天记录,自主验证 skill 是否触发 — lxfater · 2026-10-16
- PixelLab 亮招：一键搞定 ComfyUI 模型去重与坏工作流修复 — SmartRick137 · 2026-10-16