OpenGCUA: علي بابا تفتح حزمة استخدام الحاسوب، لكن النموذج ليس في الصندوق

فُحصت الوقائع في 17 أكتوبر 2026

في 15 أكتوبر نشر فريق MAI-UI في Alibaba Token Hub مشروع OpenGCUA، الإصدار الأول مما يسمونه حزمة مفتوحة بالكامل لوكلاء استخدام الحاسوب العموميين. ما نُشر: حزمة اختبار، وSDK أولي عابر للأجهزة، والموجهات، ومسارات تقييم ثمانية نماذج متقدمة. ما لم يُنشر: نموذج مدرب. في تجاربهم الخاصة على المجموعة غير المتصلة من OSWorld-v2، يرفع الإعداد الكامل متوسط النقاط الجزئية 19.6 نقطة ويخفض الخطوات لكل مهمة 53.0%. قرأت التقرير والمستودع وملف LICENSE. تقرير arXiv

ما الذي نُشر فعلا

OpenGCUA تقرير ومستودع. يغطي الإصدار معظم ما يحيط بالنموذج: حزمة تقييم، وحزمة أولية للعمل على جهاز Mac حقيقي للمستخدم، وSDK أوليا عابرا للأجهزة يربط كل عملية بجهاز أو تطبيق أو نافذة أو تبويب محدد، والموجهات المستخدمة في التجارب، ومسارات تقييم ثمانية نماذج متقدمة. ما لم يشمله الإصدار هو نموذج مدرب. يقول التقرير ذلك بنفسه ويضع النموذج أول بنود خارطة الطريق.

التعريف في الأساس هو الجزء الذي سأحتفظ به. وكيل استخدام الحاسوب العمومي في صياغتهم ليس وكيل واجهة رسومية مع وصول إلى الصدفة. بل نظام تقرر فيه النموذج في كل خطوة ماذا تراقب (لقطة شاشة، شجرة إتاحة، مخرجات أمر، استجابة API، أو لا شيء جديد)، وكيف تتصرف (نقرة، عملية على عنصر، أمر صدفة، استدعاء API، أو برنامج يجمعها)، وكيف تنظم عملها (الخطة، وسجل التقدم، وأي المشاهدات تبقى في السياق). وكلاء الواجهة فقط ووكلاء الصدفة والهجينون مثل Qwen-UI-Agent من الفريق نفسه حالات خاصة تثبت بعض تلك القرارات مسبقا.

أرقام الاختبار، بقراءة هادئة

النتيجة الرئيسة: على المجموعة غير المتصلة من OSWorld-v2، حسّن الإعداد الكامل لـGCUA النماذج الثمانية كلها، بما فيها GPT-6 Astra وClaude Opus 5، رافعا متوسط النقاط الجزئية 19.6 نقطة وخافضا الخطوات المُبلغ عنها لكل مهمة 53.0% مقارنة بالتنفيذ الدفعي عبر الواجهة فقط. وتقلصت الفجوة بين أقوى النماذج وأضعفها بأكثر من النصف.

تنبيهات هادئة. هذه تجارب المؤلفين على حزمة المؤلفين وعلى مجموعة غير متصلة، ولا يوجد تكرار مستقل حتى اليوم. والمجموعة غير المتصلة ليست لوحة الصدارة المباشرة. وحزمة ترفع كل النماذج هي نتيجة عن الحزمة، لا دليل على أي نموذج هو الأفضل.

فكرتان تصميميتان تستحقان الأخذ

تنفيذ الشيفرة كفضاء أفعال. مع تثبيت الوصول إلى الواجهة والصدفة، أضاف السماح للنموذج بكتابة عمليات الواجهة كشيفرة وخلطها بعمليات برمجية 6.1 نقطة إلى متوسط النقاط الجزئية وخفض الخطوات 14.8% مقابل خط الأساس GUI+CLI. الآلية ليست سحرا: النتائج الوسيطة توجه العملية التالية دون استدعاء إضافي للنموذج، والنماذج تعرف البرمجة أصلا. ويحدد التقرير في دراسة الحالة خمسة أنماط متكررة لتنفيذ الشيفرة.

نقل القرارات من الحزمة إلى النموذج. تثبت معظم الحزم قواعد مثل «لقطة شاشة بعد كل خطوة». يسلم OpenGCUA تلك القرارات للنموذج: يطلب لقطة فقط عند الحاجة، ويتتبع حالة مهمته بنفسه، ويصرح بغرض كل برنامج قبل تشغيله. المراقبة عند الطلب وحدها رفعت نسبة إصابات ذاكرة الموجه المؤقتة 10.5 و14.4 نقطة مئوية لنموذجين دون خفض النقاط. لقطات أقل تعني رموزا أرخص.

فجوة الأجهزة الحقيقية هي الجزء الأمين

تعمل الحزمة الأولية للأجهزة الحقيقية على جهاز المستخدم الفعلي، حيث يشارك الوكيل الجهاز مع مالكه ويتصرف في نوافذ خلفية، وهي تحديات لا تلتقطها الاختبارات المعيارية. ومع تثبيت الحزمة عبر أربع مهام macOS حقيقية، استخدمت تجارب مختارة لـQwen3.8-Max عددا من رموز الاستدلال المُبلغ عنها يعادل 19.4 ضعف ما استخدمه GPT-6 Astra، و5.7 أضعاف رموز الإخراج، مع إتمام مهام أقل. يعزو التقرير الفجوة إلى سلوك النموذج: استدلال مكلف لعمليات بسيطة، وصعوبة التكيف مع ظروف الجهاز الحقيقي، وتنفيذ أضعف للشيفرة.

أربع مهام عينة ضئيلة، وكلمة «مختارة» تحمل معنى في تلك الجملة. عامل النسبة كضوء تحذير لا كقياس.

الرخصة وحالة المستودع

الشيفرة تحت Apache-2.0، قرأتها من ملف LICENSE في المستودع، ويوثق README بداية سريعة على macOS لحزمة المصدر مع استوديو عرض محلي. عمر المستودع أيام: 24 نجمة ولا تفريعات عند فحصي في 17 أكتوبر. ويوجد دليل للمساهمة. كل من حزمة الجهاز الحقيقي وSDK العابر للأجهزة موصوفان بأنهما أوليان. المستودع

تحليل: قراءتي

الجزء الباقي من هذا الإصدار ليس جدول النقاط. بل الدرسان القابلان للنقل: دع النموذج يكتب برامج بدل دفعات النقر، وتوقف عن فرض مشاهدات لم يطلبها. يمكن لأي حزمة تبني الدرسين هذا الأسبوع، وأرقام إصابات الذاكرة المؤقتة توحي بأن الثاني يعوض كلفته. صيغة «الحزمة المفتوحة بالكامل» تصف حاليا حزمة بلا قطعتها المركزية، فالوصف الأمين: حزمة وأدوات مفتوحة والنموذج في الطريق. إن صدر النموذج المدرب بالرخصة نفسها، سيصبح هذا مرجعا لبحوث استخدام الحاسوب المفتوحة. وإن لم يصدر، تبقى دروس التصميم قائمة.

ما لم أستطع تأكيده

لم أشغل الحزمة ولا SDK ولم أدقق المسارات المنشورة. أرقام OSWorld-v2 هي المجموعة غير المتصلة على حزمة الفريق نفسها. نسب الرموز على الأجهزة الحقيقية من أربع مهام بتجارب مختارة. لا يوجد نموذج مدرب علني، فكل ادعاء عن نموذج OpenGCUA هو وعد في خارطة الطريق.

فحص يمكنك تنفيذه

الرقمان الرئيسان، نقص الخطوات 53% وارتفاع إصابات الذاكرة، حساب يمكنك تطبيقه على حملك قبل تصديقهما. تأخذ الشيفرة أدناه متوسط خطوات وكيلك لكل مهمة وأسعار مزودك للإدخال المخزن وغير المخزن، وتُظهر ما تعنيه ادعاءات الورقة لكلفة المهمة. استبدل الأرقام بأرقامك.

حساب توضيحي وليس شيفرة الفريق

# Illustrative arithmetic from the OpenGCUA report's own claims. Not the team's code.
# Claims (offline OSWorld-v2, 8 models): 53.0% fewer steps per task,
# and on-demand observation raising prompt-cache hits by 10.5-14.4 points for two models.
steps_before = 42          # your agent's average steps per task today - edit
input_tokens_per_step = 6000
cache_read_price = 0.10    # $ per 1M cached input tokens - edit
fresh_input_price = 1.00   # $ per 1M uncached input tokens - edit

steps_after = steps_before * (1 - 0.530)
def cost_per_task(steps, hit_rate):
    per_step = input_tokens_per_step * ((1 - hit_rate) * fresh_input_price + hit_rate * cache_read_price) / 1_000_000
    return steps * per_step
print(f"steps per task: {steps_before:.0f} -> {steps_after:.0f}")
for h in (0.50, 0.50 + 0.144):
    print(f"cache hit {h:.1%}: ${cost_per_task(steps_before, h):.3f} -> ${cost_per_task(steps_after, h):.3f} per task")

المصادر والحداثة

• تقرير arXiv، 15 أكتوبر
• مستودع GitHub، Apache-2.0
• موقع المشروع