OpenGCUA открыла код и промпты ИИ-агента для управления компьютером
Авторы отчёта представляют OpenGCUA (Open Generalist CUA), продолжающийся проект по разработке и открытию полного стека для универсальных агентов, работающих с компьютером (generalist computer-use agent, GCUA). Так они называют систему, в которой модель сама выбирает, как наблюдать за средой, действовать и организовывать работу, через визуальные и программные интерфейсы. Отправная точка: передовые реализации, например система управления компьютером у GPT-6 Astra, остаются в основном закрытыми, что мешает систематически изучать их устройство. Отчёт описывает первый выпуск проекта.
Ключевая особенность дизайна агента, исполнение кода: промежуточные результаты определяют следующие операции, а модели могут напрямую применять к работе с компьютером свои навыки программирования. Кроме того, авторы предлагают «перенос решений с обвязки на модель» (harness-to-model decision transfer): часть решений о наблюдениях и состоянии задачи переходит от фиксированных правил обвязки (harness) к самой модели.
Результаты на OSWorld-v2: полная конфигурация улучшила оценки задач у всех восьми протестированных моделей, включая GPT-6 Astra и Claude Opus 5. Средняя частичная оценка (mean partial score) выросла на 19,6 пункта, а число зафиксированных шагов на задачу в среднем сократилось на 53,0% относительно пакетного выполнения только через графический интерфейс.
В открытый доступ выложены реализация и промпты, траектории выполнения задач всеми восемью моделями, а также предварительные версии обвязки для реальных устройств и кросс-платформенного SDK. Обвязка решает проблемы реальных устройств, которые бенчмарки отражают не полностью, а SDK даёт общий программный интерфейс для компьютеров, мобильных устройств и браузеров.
Отдельное сравнение на четырёх реальных задачах в macOS под обвязкой для реальных устройств: выбранные запуски Qwen3.8-Max потратили в 19,4 раза больше зафиксированных токенов рассуждения, чем GPT-6 Astra. Авторы видят в этом существенные различия между моделями в эффективности исполнения на реальных устройствах.
Ключевые факты
- OpenGCUA, продолжающийся проект по открытию полного стека универсальных агентов для работы с компьютером; отчёт описывает первый выпуск.
- На OSWorld-v2 полная конфигурация улучшила оценки у всех восьми моделей, включая GPT-6 Astra и Claude Opus 5: средняя частичная оценка выросла на 19,6 пункта.
- Число зафиксированных шагов на задачу в среднем снизилось на 53,0% относительно пакетного выполнения только через графический интерфейс.
- Открыты реализация, промпты, траектории всех восьми моделей, а также предварительные версии обвязки для реальных устройств и кросс-платформенного SDK.
- На четырёх задачах в macOS выбранные запуски Qwen3.8-Max потратили в 19,4 раза больше токенов рассуждения, чем GPT-6 Astra.
Почему это важно
Авторы подчёркивают, что самые сильные системы управления компьютером, как у GPT-6 Astra, остаются в основном закрытыми, и это ограничивает их систематическое изучение. OpenGCUA пытается заполнить этот пробел: выкладывает код, промпты и траектории, на которых можно разбирать, как агент принимает решения. Идея исполнения кода внутри агента и переноса части решений с жёстких правил обвязки на модель задаёт конкретное направление для таких систем.
Кому это важно
Разработчикам и исследователям агентов, управляющих компьютером, браузером или мобильным устройством: они получают реализацию, промпты и готовые траектории восьми моделей для сравнения и воспроизведения. Тем, кто выбирает модель для автоматизации задач на реальных устройствах, пригодится наблюдение о заметных различиях в эффективности между моделями.
Как это применить
В текст отчёта входит список выложенных материалов: реализация и промпты, траектории оценки всех восьми моделей, предварительные версии обвязки для реальных устройств и кросс-платформенного SDK с общим интерфейсом для компьютеров, мобильных устройств и браузеров. Адрес репозитория и лицензия в тексте не указаны, поэтому их нужно искать на странице самого проекта. И обвязка, и SDK названы предварительными версиями, для продакшена рассчитывать на них рано.
Можно ли доверять
Это отчёт самих разработчиков проекта: цифры получены их собственной конфигурацией и самими авторами не подтверждены независимыми группами. В тексте нет оценок по отдельным моделям и абсолютных базовых значений, а прирост 19,6 пункта и сокращение шагов на 53,0% даны только как средние. Не сказано, относительно какого именно базового варианта измерен прирост в 19,6 пункта. Сравнение токенов (19,4 раза) касается выбранных запусков Qwen3.8-Max на четырёх задачах macOS и только зафиксированных токенов рассуждения, поэтому это не общая цифра для моделей.
Риски и подводные камни
Выводы опираются на один бенчмарк (OSWorld-v2) и на небольшой набор из четырёх реальных задач в macOS, так что обобщать на другие системы и задачи осторожно. Выбранные запуски и «зафиксированные» токены и шаги, не полная картина затрат. Обвязка и SDK пока предварительные, а сроки следующих выпусков проекта в тексте не названы.