CUA (Computer-Using Agent) v2 模型

OpenAI为Project Operator开发的专为GUI交互训练的AI模型。通过自监督学习掌握操作系统的层级结构，通过视觉流实时理解窗口、按钮与非标控件，不再依赖脆弱的HTML标签识别。

技术特点

• 视觉流理解：实时分析屏幕画面中的UI元素
• 层级结构掌握：理解操作系统的UI Hierarchy
• 非标控件处理：能够操作非标准化的界面元素

应用场景

• 操作老旧、无API的工业遗留软件
• 跨国供应链对账
• 多轮法律合规审查

相关实体

• [[openai]] — 开发公司
• [[project-operator]] — 搭载的产品
• [[状态化运行时]] — 支持长程任务的关键技术