CUA：OpenAI开发的先进人工智能模型，结合了GPT-4o的高级推理能力

Computer-Using Agent(CUA)是OpenAI开发的先进人工智能模型，融合GPT-4o的视觉能力与强化学习驱动的高级推理能力。它可像人类一样与图形用户界面（GUI）直接交互，无需依赖特定操作系统API或网络接口，灵活性极强，能在多种数字环境中完成填写表单、网页浏览等任务。这一技术标志着AI发展的重要突破，为AI融入日常工具应用开辟新可能。目前CUA处于研究预览阶段，仅通过Operator向美国地区的Pro用户开放使用。

CUA功能特点：

1、可视化交互能力：

通过视觉感知屏幕内容，借助虚拟鼠标和键盘完成操作，还原人类使用软件的操作逻辑。

2、复杂任务处理：

支持多步骤任务执行，可自动处理操作错误、适应意外场景变化，保障任务推进连贯性。

3、指令迭代优化：

能对用户指令进行迭代处理，融合感知、推理与行动能力，精准匹配任务需求。

4、敏感操作防护：

执行登录信息输入、验证码处理等敏感操作时，会主动向用户发起确认，保障使用安全。

5、基准测试领先：

在WebArena、WebVoyager等多个权威基准测试中取得领先性能，验证核心能力可靠性。

CUA使用场景示例：

1、网页多步骤任务：

通过Operator，CUA可协助用户完成网页信息搜索、复杂表单填写、服务预订等多步骤操作，无需手动干预。

2、跨平台界面导航：

能在不同操作系统与网页环境中灵活导航，不依赖特定API，展现出强大的通用性与适配能力。

3、教育资源整理：

在教育领域，可帮助学生与教师快速检索、筛选并整理在线学习资源，简化资料搜集流程。

CUA使用教程：

1、访问官方指定地址 https://operator.chatgpt.com，登录个人ChatGPT Pro账户（需为美国地区权限）。

2、在Operator功能界面中，清晰输入需要执行的任务指令（如“填写某平台注册表单”“检索某主题最新资讯”）。

3、CUA会自动解析指令，通过视觉感知界面内容，启动任务执行流程。

4、执行过程中，若涉及敏感操作，CUA会弹出交互提示，等待用户确认后再继续操作。

5、任务完成后，CUA会展示详细执行结果，同时提供后续交互选项（如修改操作、补充任务等）。

进入Computer-Using Agent官网入口