AI最前沿 88Z.ai 8 月 5 日消息，阿里 Qwen 团队与 XLang Lab 联合发布原生计算机使用代理 Qwen-CUA。该模型基于混合专家架构，通过屏幕截图感知界面，直接输出键鼠事件操控各类软件，无需依赖底层元数据。其在 OSWorld-Verified 基准测试中表现优异，万亿参数版本得分达 87.6。
消息要点
- Qwen-CUA 基于截图感知界面，直接输出键鼠事件操控软件
- 万亿参数 Max 版本在 OSWorld-Verified 基准中得分 87.6
要点
阿里 Qwen 团队携手 XLang Lab 正式推出原生计算机使用代理 Qwen-CUA。该模型采用 397B-A17B 混合专家架构，创新性地通过屏幕截图来感知界面状态，摆脱了对 DOM 树或无障碍元数据的依赖。它能够直接生成键盘和鼠标事件，从而实现对浏览器、桌面环境及专业软件的精准操控。在性能评估方面，Qwen-CUA 在 OSWorld-Verified 基准测试中取得了 86.2 分的成绩，而其万亿参数的 Max 版本表现更为出色，得分达到 87.6 分，展现了强大的自动化操作能力。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- Qwen-CUA原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。