你让 AI 整理一份表格：先从文档找数字，填进 LibreOffice，再打开浏览器核对，最后保存截图。难点不只是“会不会点鼠标”。它还需要一台可安全使用的电脑、跨应用的操作工具，以及判断任务是否真的完成的办法。Cua 想补的，正是这整套基础设施。
电脑操作 Agent——能够观察屏幕并操作键鼠或界面控件的 AI 系统——过去常被当成一个模型问题。Cua 换了一个视角：模型只是司机，真正上路还需要车辆、道路和考场。项目方把隔离桌面、跨系统驱动、设备集群、专用决策模型和评测工具放进同一个开源项目，让开发者可以自带 Agent 和模型。
需要先说明：目前材料全部来自 Cua 自己的 GitHub 仓库，缺少论文、第三方评测和用户数据。项目的实际规模、性能与可靠性仍无法交叉验证。
先给 Agent 一台能用的电脑
Cua Fleets 管理一组云端 Linux 桌面。所谓设备集群，就是统一分配和管理的一批电脑或虚拟桌面。程序可以从资源池领取一个隔离桌面，运行命令、操作应用并保存截图。任务结束后再归还资源。
这种设计适合并行运行大量任务，但“具备集群能力”不等于“已经大规模部署”。项目没有披露设备数量、并发规模或成本。它还特别提醒：一次使用结束后，资源池可能继续保留付费容量，用户需要按教程清理。
本地一侧，Lume 可以在 Apple Silicon 设备上创建 macOS 和 Linux 虚拟机。虚拟机是在实体电脑里模拟出的独立计算机；对 Agent 来说，它像一间可以重新布置、相对容易隔离的实验室。项目给出的入门流程包括创建 macOS Tahoe VM，并通过 SSH——一种远程命令连接方式——进入系统。
鼠标之外，还要跨系统操作
Cua Driver 是操作层。项目方称，它能通过命令行、MCP 或带类型的 SDK，控制 macOS、Windows 和 Linux 上的原生桌面应用与浏览器。SDK 可以理解为开发者调用这些能力的一套标准接口；MCP 则是让 Agent 接入外部工具的连接方式。
在应用和平台支持时，Driver 还能在后台执行操作，不移动用户指针，也不抢占当前窗口焦点。这个限定很重要：它并非在所有软件和系统上都成立。
项目展示了一段 50 秒演示：两个 Driver 会话分别在 LibreOffice Calc 中选择单元格、在 Inkscape 中选择对象，终端始终留在前台。另一个入门例子让 Agent 打开 Calculator，计算 ，再确认界面显示 42。这些演示说明组件能够跑通特定流程，但不能证明它面对复杂、长步骤任务时同样可靠。
Cua 把 Agent 在同一任务中穿行于代码、API 和图形界面的方式称为“Computer-Use 2.0”。这是项目方自己的表述，不是行业公认分类。仓库还宣称可以接入 Claude Code、Codex、Cursor 和 OpenClaw 等 Agent 工具。
快判断交给小模型，整套流程仍由 Agent 负责
CUA-S1 是一组面向电脑操作的小型专用模型。项目借用“System 1”这个说法，指快速而有限的决定，例如判断某个值该填入哪个表单字段，或某个界面元素是否应保持不动。
它不是通用 Agent 规划与推理能力的替代品。更像流水线上的专岗：应用代码先排好动作顺序，CUA-S1 负责局部判断，Cua Driver 再按明确边界执行。仓库包含模型代码、合成数据生成、训练和评估工具；这仍是早期、仅发布源码的研究版本，模型权重另放在 Hugging Face。现有材料在首个研究配置的说明处截断，因此无法核查具体效果、参数量或基准成绩。
为什么值得关注
Cua Bench 补上了“怎么考试”这一环。Benchmark 是用统一任务和评分方法比较系统表现的测试集。开发者可以创建模拟电脑任务、运行参考答案，再由评估器验证结果；项目示例中的参考解得到 1.0 奖励。它还支持导出操作轨迹，用于后续训练。
我们此前报道过 Jev，它把“从候选动作中做决定”拆成轻量组件。Cua 把视角再拉远一步：不仅研究一次决定，还试图准备承载任务的电脑、执行动作的驱动、局部决策模型，以及验证结果的考场。真正值得看的不是“AI 又会点一个按钮”，而是电脑 Agent 正被拆成可以组合、替换和评测的工程部件。
局限与未知
- 项目没有披露用户数、下载量、任务成功率、部署规模、成本或第三方基准成绩，因此“爆红”和“开始规模化”更适合作为趋势判断，不能当成已证实结论。
- 所有能力与演示均来自项目方单一信源；50 秒演示和奖励 1.0 的模拟任务不能代表真实复杂工作的可靠性。
- “Computer-Use 2.0”和“specialist decision models”带有项目自身的产品定义色彩，后续仍要看独立评测和实际使用数据。