阿里通义 MAI-UI 团队开源通用计算机智能体技术栈 OpenGCUA

阿里通义 MAI-UI 团队在 GitHub 发布 OpenGCUA，公开了面向通用计算机使用智能体的部分软件栈，关注价值在于研究者可以直接检查实现、提示词、评测轨迹和设备控制接口。GitHub 项目页标注其为开源项目，arXiv 论文于2026年10月15日提交，介绍了代码执行、GUI交互和跨设备控制的组合方案。

• 首次公开内容包括 OSWorld-v2 集成示例、八个模型的评测轨迹、初步 macOS 真机 harness 和跨设备 SDK。
• SDK 试图为电脑、手机和浏览器提供统一编程接口，但项目页同时将相关组件标为 preliminary。
• 论文报告称，在其配置和测试条件下，八个模型的平均 partial score 提升19.6分，平均每任务步骤数减少53%。
• 这些结果依赖特定 harness、模型、任务集和基线，不能直接等同于所有电脑操作场景的通用性能。
• 影响/看点：OpenGCUA 可能降低计算机使用智能体的复现实验门槛，并推动从单纯 GUI 操作转向代码、系统接口与视觉交互协同；实际影响取决于设备适配、权限控制和真实任务中的稳定性。
• 资料依据:
• GitHub Tongyi-MAI/OpenGCUA（2026-10-19）：https://github.com/Tongyi-MAI/OpenGCUA
• arXiv《OpenGCUA: Toward a Fully Open Stack for Generalist Computer Use》（2026-10-15）：https://arxiv.org/abs/2610.22200

本内容由 AI 生成，仅供参考，请注意甄别