OpenGCUA首发：开放通用电脑使用智能体全栈
来自 arXiv 的 OpenGCUA 项目发布首个版本，目标是开放通用电脑使用智能体（GCUA）的完整技术栈：模型可在视觉与程序化接口之间自行选择如何观察、行动与组织任务。该设计把代码执行作为核心，并提出“harness-to-model decision transfer”，将部分观察与任务状态决策从固定框架规则交给模型。作者称在 OSWorld-v2 上，完整配置让包括 GPT-6 Astra 和 Claude Opus 5 在内的八款模型平均部分得分提高 19.6 分，并将报告的单任务步数平均减少 53.0%；这些均为作者自评、尚无独立复现，团队同时发布了实现、提示词、评测轨迹，以及初步的真机 harness 与跨设备 SDK。
作者指出，GPT-6 Astra 等前沿电脑使用系统基本闭源，限制了对其设计的系统研究，因此 OpenGCUA 试图与社区共同开放 GCUA 全栈。
Computer Science > Computer Vision and Pattern Recognition
arXiv:2610.22200 (cs)
[Submitted on 15 Oct 2026]
Title:OpenGCUA: Toward a Fully Open Stack for Generalist Computer Use
Authors:Hanzhang Zhou, Long Li, Quyu Kong, Lei Wang, Panrong Tong, Long Chen, Tianyu Xia, Gongjie Zhang, Xu Zhang, Chen Liu, Jianan Zhang, Chenglin Cai, Zhengwen Zeng, Steven Hoi, Yue Wang
View a PDF of the paper titled OpenGCUA: Toward a Fully Open Stack for Generalist Computer Use, by Hanzhang Zhou and 14 other authors
#OpenGCUA#arXiv#GPT-6 Astra#Claude Opus 5#Qwen3.8-Max#OSWorld-v2