Cua 和 CUA-S1：用於 AI 電腦使用的開源基礎設施

Cua 是一個開源生態系統，旨在為 AI 代理提供必要的基礎設施，使其能夠在 macOS、Windows 和 Linux 上與原生桌面應用程式和瀏覽器互動。此框架引入了「電腦使用 2.0」的範式，其中代理能在單一任務中無縫切換執行程式碼、呼叫 API，以及與圖形使用者介面（GUI）互動。

CUA-S1：專用的「系統 1」決策模型

CUA-S1 是一組小型、專用的模型，專為快速、有限的決策（稱為「系統 1」決策）而設計，而非通用規劃或逐字元的文字生成。這些模型旨在補足通用代理的推理能力，處理特定且重複的介面互動。

專注於決策評分

CUA-S1 的初始研究重點在於表單。這些模型不會生成回應，而是根據結構化介面元素和文件值對決策進行評分。此方法讓應用程式程式碼能決定行動順序，而可選的 Cua Driver 則負責以明確的行動邊界執行實際操作。

可用性與授權

CUA-S1 目前為僅提供原始碼的研究版本。Python 模型程式碼、合成資料產生與評估工具採 MIT 授權，並可在 GitHub 上取得，而模型權重與資料集（如 CUA-S1-FORMS）則 hosted 在 Hugging Face 上。

Cua Driver：跨平台桌面自動化

Cua Driver 提供代理檢視與操作原生桌面應用程式和瀏覽器所需的工具。它支援 macOS、Windows 和 Linux，並提供背景傳遞功能，讓代理能在不移動使用者游標或取得焦點的情況下與應用程式互動，前提是平台與應用程式支援此功能。

代理可透過 CLI、Model Context Protocol (MCP) 或類型安全的 SDK 連接到 Cua Driver。它設計用於與現有的代理框架整合，例如 Claude Code、Codex、Cursor 和 OpenClaw。

代理部署的基礎設施

Cua 提供兩種主要方式來配置代理運作的環境：

Cua Fleets

Cua Fleets 允許使用者配置隔離的雲端桌面。使用 Sandbox SDK，開發者可從資源池中取得桌面，執行命令、截取畫面，並在沙盒環境中與應用程式互動。

Lume

Lume 是一個工具，可使用 Apple 的 Virtualization.Framework 在 Apple Silicon 上建立和管理本地的 macOS 與 Linux 虛擬機。這讓開發者能在隔離的本地環境中執行代理，例如從 Apple 備份映像建立 macOS Tahoe 虛擬機並透過 SSH 連接。

Cua Bench：評估與訓練

Cua Bench 是一個用於建立電腦使用任務、評估代理效能以及匯出軌跡以供訓練的框架。它允許建立不需要 VM、Docker 或模型 API 金鑰的模擬任務，從而實現代理獎勵的快速測試與驗證。

社群見解與技術討論

社群成員指出，從文字生成轉向決策評分的架構轉變，是電腦使用上一個特別有趣的觀點。討論也開始出現關於專用模型層級架構的可能性：

想法是擁有許多專用模型（表單、維基百科、Final Cut 等），並由一個父模型選擇最佳的模型……讓大型語言模型提出一個大目標，並觸發一連串專用模型快速完成任務？

這暗示了一種可能的演進方向：由高階規劃者（系統 2）將特定的 GUI 互動委派給一組專用的 CUA-S1 模型（系統 1）。