शोधकर्ताओं ने Qwen-CUA का परिचय दिया है, जो एक 397B-A17B Qwen मिक्स्चर-ऑफ-एक्सपर्ट्स बैकबोन पर बनाया गया स्थानीय कंप्यूटर-उपयोग एजेंट है। सिस्टम स्क्रीनशॉट देखकर और कीबोर्ड व माउस इवेंट के माध्यम से कार्य करके संचालित होता है, बिना DOM ट्री या एक्सेसिबिलिटी मेटाडेटा पर निर्भर किए।
- यह 20 सक्रिय स्क्रीनशॉट तक बनाए रखता है और हालिया सबूतों को बनाए रखने के लिए पुरानी दृश्य इतिहास को निश्चित आकार के ब्लॉकों में समेट देता है।
- प्रशिक्षण में लगभग 100,000 vCPUs और लगभग 40,000 सत्यापनीय कार्यों वाले क्लाउड रोलआउट फ्लीट का उपयोग किया गया।
- Qwen-CUA आठ बेंचमार्क में Qwen3.7 से बेहतर प्रदर्शन करता है, OSWorld-Verified पर 86.2 और OSWorld 2.0 पर बाइनरी/आंशिक पूर्णता में 18.5/48.4 प्राप्त करता है।
- दृष्टिकोण को एक ट्रिलियन से अधिक पैरामीटर तक स्केल करने से Qwen-CUA-Max मिलता है, जिससे स्कोर क्रमशः 87.6 और 21.2/53.3 तक बढ़ जाते हैं।
- मॉडल ने Qwen3.7 की तुलना में RedTeamCUA हमला सफलता को 36.6 से घटाकर 16.4 कर दिया है।
ये परिणाम स्थानीय कंप्यूटर उपयोग को एक व्यापक रूप से सक्षम एजेंट आधार के रूप में स्थापित करते हैं, जिसमें स्केलेबल सत्यापनीय इंटरैक्शन और हाइब्रिड टूल उपयोग को प्रमुख दिशाओं के रूप में उजागर किया गया है।