一句话看懂：OpenGCUA 发布首个开源通用计算机使用智能体全栈方案，在 OSWorld-v2 评测中让八个模型的平均部分分提升 19.6 分，并大幅减少执行步骤。这为研究闭源前沿系统之外的设计路线提供了可复现的开放基础。
事件核心：发生了什么
2026 年 10 月 15 日，Hugging Face Papers 收录了一份关于 OpenGCUA 的论文摘要。该项目定位为持续进行的社区协作，目标是开发并开放通用计算机使用智能体（GCUA）的完整技术栈，本次为首个版本发布。
作者将 GCUA 定义为模型能在视觉与程序化界面之间自主选择观察方式、行动方式和工作组织方式的系统。与 GPT-6 Astra 计算机使用系统等前沿实现仍基本闭源不同，OpenGCUA 尝试把完整实现和提示词公开。其设计强调代码执行能力，让中间结果驱动后续操作，并让模型把已有编程能力直接用于计算机交互。另一个关键机制是“从脚手架到模型的决策迁移”，把部分观察和任务状态判断从固定规则交给模型。
在 OSWorld-v2 上，完整配置在全部八个被评估模型上提升任务得分，包括 GPT-6 Astra 和 Claude Opus 5，平均部分分提高 19.6 分；相比批量纯 GUI 执行，报告的任务步骤平均减少 53.0%。团队还发布了八个模型的评估轨迹、真实设备脚手架和跨设备 SDK 的初步版本。真实 macOS 任务中，特定 Qwen3.8-Max 运行报告的推理 token 用量是 GPT-6 Astra 的 19.4 倍。
为什么重要
计算机使用智能体正从纯 GUI 操作转向视觉与代码混合的交互范式，但头部系统闭源使得设计选择难以被系统研究。OpenGCUA 把代码执行和决策迁移作为核心变量公开验证，为行业提供了一条可对照、可复现的路线。如果这一路线成立，智能体的竞争力可能不再只取决于模型规模，而更依赖推理时的执行框架和编程能力调用效率——这对开源模型和中小团队尤其关键。
对用户/开发者/创作者的影响
目前公开信息来自论文摘要，尚未核验全文实验，也未说明是否已上线可用产品。对开发者而言，OpenGCUA 释放的输入包括实现、提示词、评估轨迹和跨设备 SDK，可用于构建或对比自己的计算机使用智能体，不必从零设计脚手架。对创作者和企业用户，真实设备脚手架和跨设备 SDK 若后续成熟，可能降低自动化工作流在 macOS、浏览器和移动端之间的适配成本；但现阶段应视为研究项目而非可直接投入生产的工具。模型推理效率差异也提示，选型时需要同时考虑任务得分和实际 token 成本。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 OpenGCUA 完整代码和提示词是否真正开源，社区能否复现 OSWorld-v2 上的提升幅度；二是真实设备脚手架和跨设备 SDK 的可用版本何时发布，是否覆盖更多操作系统和应用场景；三是闭源前沿系统是否跟进公开类似设计，以及“决策迁移”机制在其他模型上是否稳定成立。
