github.devotd.
新发现AI 智能体

tongyi-mai/opengcua v0.1.0 —— 代码执行型计算机使用智能体栈

tongyi-mai/opengcua 是一个通用计算机使用智能体栈,以代码方式组合 GUI 操作、无障碍树读取、应用 API 调用和 shell 命令,其最新版本为 v0.1.0。

仓库信息tongyi-mai/opengcua ↗

An open-source stack for generalist computer-use agents, combining code execution, GUI interaction, and cross-device control.

星标
★ 79
复刻
2
语言
HTML
许可证
Apache-2.0
最新版本
v0.1.0
查看原始来源 ↗在 GitHub 查看 ↗

阿里巴巴通义千问团队发布的 tongyi-mai/opengcua 是一个通用计算机使用智能体栈。GitHub 仓库的最新版本是 v0.1.0。它不止于直接操作 GUI,而是把读取无障碍树、调用应用 API 和 shell 命令等任务写成代码,并在同一个程序中组合起来。项目以 Apache-2.0 许可证开源。

这种方式的目的是在一个执行流程中处理多种类型的计算机操作。项目称,在 OSWorld-v2 离线测试集上,8 个前沿模型的平均部分得分从 45.3 提升到 64.9,提高了 19.6 分,而每个任务的平均步数减少了 53%。较弱模型获益更多:GLM-5.3-Flash 提升了 35.2 分,DeepSeek-V4.1-Flash 提升了 29.8 分。在固定 GUI 与 shell 访问条件的对比中,以代码方式处理 GUI 的做法使得分提高了 6.1 分,步数减少了 14.8%。

需要注意的是,这些成绩数据只以结果 SVG 图片的形式存在,而不是文本表格,因此难以对照文本核实。在 macOS 真机上的 4 个任务中,据报道 Qwen3.8-Max 使用的推理 token 是 GPT-6 Astra 的 19.4 倍,却完成了 3 个任务。macOS 测试框架和跨设备 SDK 被标注为预备步骤,GCUA 模型本身也尚未发布。因此,目前的公开内容更接近于包含评测资料和部分工具的研究预览,而非已完成的产品。