CUA Driver Bench 实测后台桌面任务：cua 58%，Codex 仅 33%
victor_explore · x · 2026-11-07
Cua Driver Bench 联合 Scale AgentEnv 发布 macOS 后台桌面任务基准：衡量 computer-use 驱动能否在用户继续用电脑的同时，不打扰、不借 shell 作弊地完成真实桌面任务。
- macOS 全后台通过率：cua-driver 58%（23/40，Scale 运行）· Codex Computer Use 33% · vercel agent-desktop 20% · browser-use 仅 3%
- Windows：cua-driver 28%，其余多数为 0%
- 关键发现：差距主要来自「打扰用户」而非任务失败；macOS 上后台回答对话框已可行，Windows 尚不支持
- 基准任务、runner 与评分器全部开源，可自行复跑
所属事件:Cua 联合 Scale 发布后台桌面任务基准(2 条相关)→
「编程与Agent」频道最新
- 重度用户日耗 12-16 小时：模型潜力远未挖尽，瓶颈是创造力 — tengyanAI · 2026-11-07
- Hugging Face 用 RL+LoRA 适配器把推理模型改造成 Agent — yb2698 · 2026-11-07
- Doki 取消时间线：像写故事一样一稿到底生成视频 — thesephist · 2026-11-07
- UniGFM-RAG 论文：图检索器与 LLM 端到端联合训练 — JeremyCMorgan · 2026-11-07
- 开发者用 Rokid 眼镜远程指挥编码 Agent 干完黑五活动 — yihui_indie · 2026-11-07
- 用 Claude 在 Blender 生成 2 万张图,训练模型复刻乐高 CAD — nptacek · 2026-11-07