Cua与Scale AI发布后台电脑操作评测，Cua Driver完整通过率58%

Article

Cua实测AI后台操作电脑：自身通过率58%，browser-use仅3%

动察 Beating AI 快讯，Cua 联合 Scale AI 推出电脑操作评测 Cua Driver Bench。它要求 AI Agent 在后台操作软件，同时不能抢走用户的鼠标、键盘，也不能弹出窗口打断工作。

在 macOS 测试中，Cua Driver 的完整通过率达到 58%，Codex Computer Use 为 33%，Vercel agent-desktop 为 20%，browser-use 只有 3%。

Cua 的优势来自直接操作后台窗口。普通电脑操作工具通常模拟人类点击、打字，需要把目标窗口切到前台。Cua 则利用 macOS 的辅助功能接口，直接找到后台应用的按钮、输入框并执行操作。它还能单独截取窗口画面，不必把窗口移到最上层。

差距在 browser-use 身上尤其明显。40 次测试中，它成功完成了 32 次任务，但其中 31 次干扰了用户，最终只有 1 次完全通过。Cua 虽然只完成了 25 次，却有 23 次没有打扰用户，测试中一次也没有抢走键盘焦点。

所有工具均使用 Claude Sonnet 5.5，比较的是电脑操作工具，而非模型本身。测试覆盖浏览器、邮件、日历、表格等任务，每项需要在用户持续打字的情况下完成。

Key points

Cua联合Scale AI推出电脑操作评测Cua Driver Bench。
评测要求AI Agent在后台操作软件，不能抢走用户的鼠标、键盘，也不能弹出窗口打断工作。
macOS测试中，Cua Driver完整通过率为58%，Codex Computer Use为33%，Vercel agent-desktop为20%，browser-use为3%。
browser-use在40次测试中完成32次任务，其中31次干扰用户，最终1次完全通过。
Cua完成25次任务，其中23次没有打扰用户，且测试中没有抢走键盘焦点。
所有工具均使用Claude Sonnet 5.5，比较对象是电脑操作工具而非模型本身。
测试覆盖浏览器、邮件、日历和表格等任务，每项任务需要在用户持续打字时完成。

The following is analysis, separate from reported facts. Verify important claims independently.

这项评测不仅看AI能否完成电脑任务，还看它执行时会不会影响正在使用电脑的人。报道所列结果中，Cua Driver的完整通过率最高；browser-use虽然完成了较多任务，但多数任务因干扰用户而未被计为完全通过。

如果AI工具能在后台完成任务且不抢鼠标、键盘或弹出窗口，它更适合与用户同时工作。这组结果显示，完成任务数量与不干扰用户的完整通过率并不是同一个指标。

新手比较电脑操作型AI工具时，应同时关注任务是否完成、是否干扰用户，以及所有工具是否在相同模型和测试条件下运行。