Hugging Face发布OpenGCUA：构建首个开放通用计算机使用智能体全栈

摘要：Hugging Face推出OpenGCUA项目，旨在构建并开源一个完整的通用计算机使用智能体（GCUA）栈。OpenGCUA通过代码执行和决策转移机制，显著提升了模型在跨视觉与程序接口任务中的表现。在OSWorld-v2基准测试中，OpenGCUA配置使八个评估模型的平均部分得分提高了19.6%，任务步骤减少了53%。此外，项目还发布了真实设备工具包和跨设备SDK，为智能体在真实环境中的高效执行提供了支持。

---

1. 项目背景与目标

随着人工智能技术的快速发展，计算机使用智能体（GCUA）的应用场景正从单一的图形用户界面（GUI）交互扩展到跨视觉与程序接口的复杂任务处理。然而，目前大多数先进的GCUA实现（如GPT-6 Astra的计算机使用系统）仍处于封闭状态，限制了对其设计的系统性研究。Hugging Face推出的OpenGCUA项目旨在通过社区协作，构建并开源一个完整的GCUA全栈，以推动该领域的开放研究与创新。

2. 技术机制剖析

OpenGCUA的核心设计包括以下关键机制：

• 代码执行机制：允许模型根据中间结果动态调整后续操作，直接将现有的编程能力应用于计算机交互。这种机制增强了模型在复杂任务中的适应性和灵活性。

• 决策转移机制：将选定的观察结果和任务状态决策从固定的工具规则转移到模型本身。这种方法使模型能够根据实时反馈进行更智能的决策。

3. 工程权衡与实测表现

在OSWorld-v2基准测试中，OpenGCUA的全配置对八个评估模型（包括GPT-6 Astra和Claude Opus 5）均表现出显著的性能提升：

• 平均部分得分提高19.6%
• 任务步骤平均减少53.0%

此外，OpenGCUA还发布了真实设备工具包和跨设备SDK，以应对真实环境中的挑战。测试结果表明，在真实macOS任务中，Qwen3.8-Max的推理效率与GPT-6 Astra相比存在显著差异，前者的推理token使用量是后者的19.4倍。

4. 开发者落地与部署建议

OpenGCUA的发布为开发者提供了一个开放的平台，用于构建和测试跨视觉与程序接口的智能体应用。以下是一些建议：

• 利用真实设备工具包：在真实环境中测试和优化智能体应用，以提升其可靠性和性能。

• 探索跨设备SDK：利用跨设备SDK构建统一的编程接口，简化多平台开发流程。

• 参与社区协作：通过社区协作，共同推动OpenGCUA的进一步发展和完善。

5. 未来展望

OpenGCUA的发布标志着GCUA领域的一个重要里程碑。随着项目的不断推进，Hugging Face计划引入更多功能和改进，以进一步提升智能体在复杂任务中的表现和可靠性。

---

消息来源：Hugging Face Daily Papers (2026-10-15)

—— 完 ——

主题标签： #Hugging Face 关注 #OpenGCUA 关注 #GCUA 关注 #智能体 关注 #开源AI 关注