阿里通义 MAI-UI 开源通用计算机使用智能体技术栈 OpenGCUA

阿里通义 MAI-UI 团队开源 OpenGCUA，包含 harness、跨设备 SDK、原生 macOS 应用、评测轨迹和参考 agent 实现。GCUA 定位为能调度整台计算机所有接口的智能体，核心设计是代码执行和 harness-to-model 决策转移：模型自主决定何时截图、如何用带循环和条件的 Python 程序编排 GUI、API、shell 操作，并自行维护 todo 列表。在 OSWorld-v2 上评测 8 个前沿模型，平均 partial score 从 45.3 升至 64.9，每任务步数减少 53%，弱模型受益最大（GLM-5.3-Flash +35.2）。真机 macOS 测试还显示 Qwen3.8-Max 的推理 token 消耗是 GPT-6 Astra 的 19.4 倍。