离谱，阿里通义发了篇论文，顺手把自家的 Qwen 给“背刺”了 🤣 昨天聊完 Codex 的 Computer Use，今天去扒了下底层实现，结果翻到通义团… · @GKev1n · TwKit

@GKev1n

离谱，阿里通义发了篇论文，顺手把自家的 Qwen 给“背刺”了 🤣 昨天聊完 Codex 的 Computer Use，今天去扒了下底层实现，结果翻到通义团队开源的电脑操作框架 OpenGCUA。 这框架的思路很聪明：不把模型当提线木偶，而是让它自己决定什么时候截图、把 Python 代码和 GUI 点击混着用，还能自己维护 Todo。 效果有多猛呢？在 OSWorld-v2 的 82 个任务里，直接把 8 个主流模型（含 GPT-6 Astra、Claude Opus 5）的平均分从 45.3 拉到了 64.9，而且执行步数直接砍半。 但整篇论文的华点在于： 他们在 Mac 真机测试里拎出了几次 Qwen3.8-Max 的运行数据——完成任务消耗的推理 Token，居然是 GPT-6 Astra 的 19.4 倍 💀所以还是打不过 GPT 的 Computer Use 呀，哈哈哈哈哈😂 不过这也从侧面证明了一件事：很多时候 Agent 看起来拉胯，真别急着骂基座模型，先看看外面的 Harness（脚手架）是怎么写的吧。https://tongyi-mai.github.io/OpenGCUA/

曝光 395 · 评论 1 · 点赞 3 · 书签 0