香港大学与OpenCUA开源项目合作,共同开发定制化智能电脑伴侣!
发布时间:2025-08-15 10:28:53 | 责任编辑:吴昊 | 浏览量:5 次
最近,香港大学的 XLANG 实验室与月之暗面、斯坦福大学等多家机构共同开源了一个名为 OpenCUA 的全新框架。这个项目的目标是帮助开发者轻松构建和扩展计算机使用智能体(CUA),让每个人都能拥有属于自己的电脑助手。
OpenCUA 框架的推出,标志着计算机使用智能体的又一次飞跃。它不仅提供了一套无缝的注释基础设施,用于捕捉人类在电脑上使用的演示,还集成了一个名为 AgentNet 的大规模计算机使用任务数据集。该数据集覆盖了超过200个应用程序和网站,以及跨越三个主要操作系统,给开发者提供了丰富的数据支持。
除此之外,OpenCUA 还具备一套可扩展的工作流程,能够将演示转换为 “状态 - 动作” 对,推动长链推理能力的反思。这意味着,开发者可以根据自身需求,轻松构建个性化的智能助手,帮助用户更高效地完成工作。
项目的负责人余涛教授表示,OpenCUA 通过开放完整的数据、工具和模型,旨在使 “人人都能打造自己的专属电脑智能体”。该框架在多个关键基准上表现出色,甚至超越了目前最先进的 GPT-4o,成为最强大的开源 CUA 解决方案。
随着 OpenCUA 的推出,计算机智能体的应用将更为广泛和便捷。开发者们不仅可以根据自身需求进行定制,还能够借助该框架提升用户的计算机使用体验。值得注意的是,这一项目得到了多所知名大学及企业的参与,显示了科技界在智能体研究领域的合作与共赢。
OpenCUA 的开源为未来的智能助手开发提供了全新的可能性,让我们期待科技将如何进一步提升我们的工作和生活效率。
项目地址:https://opencua.xlang.ai/
论文地址:https://arxiv.org/pdf/2508.09123
是的!香港大学 XLANG 实验室携手月之暗面(Moonshot AI)、斯坦福大学、卡内基梅隆大学等机构,正式开源了全球首个完整、可落地的“计算机使用智能体”框架——OpenCUA。
一句话总结
OpenCUA 让你像拼乐高一样,零门槛打造自己的「专属电脑 AI 助手」:
“像人一样看懂屏幕、操作鼠标键盘,帮你完成复杂电脑任务。”
核心亮点
亮点 | 说明 |
---|---|
完全开源 | 数据、工具、模型、评估基准全部开放,人人可复现、可定制。 |
真实数据训练 | 采集了 2.2 万条 真实用户在 Windows / macOS / Ubuntu 上的操作录像,覆盖 200+ 应用与网站。 |
最强开源性能 | 旗舰模型 OpenCUA-32B 在权威基准 OSWorld-Verified 上取得 34.8% 成功率,超越 GPT-4o,刷新开源纪录。 |
一键数据收集 | 官方提供 AgentNet Tool 可一键录制你的电脑操作,自动生成训练数据,持续进化你的专属 Agent。 |
三层推理架构 | “感知 → 推理 → 执行” 三层推理循环,具备长思维链与反思能力,支持复杂多步骤任务。 |
如何体验 / 参与
-
在线试用与下载
项目主页:https://opencua.xlang.ai
论文地址:https://arxiv.org/abs/2508.09123
Hugging Face:搜索 “xlangai/opencua” 即可获取模型与数据集。 -
三步打造你的专属 Agent
① 安装 AgentNet Tool 录制自己的操作流程;
② 用 OpenCUA 提供的数据流水线自动标注与训练;
③ 部署到本地或云端,即可让 AI 助手模仿你的操作风格,完成重复性工作。 -
社区共建
目前已有 500+ 开发者 贡献代码与场景模块,涵盖科研、教育、医疗、金融等 20+ 领域。
应用场景示例
-
办公自动化:自动填表、生成报告、批量处理邮件
-
软件测试:无人值守回归测试、跨平台兼容性验证
-
无障碍辅助:帮助视障人士通过语音指令操作电脑
-
教育培训:生成个性化教学演示、实时辅导学生上机实验
OpenCUA 的出现,标志着“电脑 AI 助手”从闭源 Demo 走向大众可用的开源产品。无论你是开发者、研究者还是普通用户,都可以立刻动手,打造最懂你的电脑智能体!
本网站(https://aigc.izzi.cn)刊载的所有内容,包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏,以及其他非商业性或非盈利性用途,但同时应遵守著作权法及其他相关法律的规定,不得侵犯本网站及相关权利人的合法权利。除此以外,将本网站任何内容或服务用于其他用途时,须征得本网站及相关权利人的书面许可,并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容,请及时通知本站,予以删除。