Cua称开源两款S1 Computer Use决策模型及Cua-Bench-S1

Article

Cua一口气开源两款S1模型，还拉Jev来同场考试

动察 Beating AI 快讯，开源 computer-use 基础设施项目 Cua 开源了两款专门做 Computer Use 决策的 S1 模型，同时发布 Cua-Bench-S1，把 Jev 这类模型单独拉出来评测。

这套评测不让模型自己规划。每道题直接给当前界面和一组选好的操作，比如「填邮箱」「勾选同意」「点击提交」「跳过」，模型只选一次。不能反复看屏幕，也没有失败重试。这样测的就是最纯粹的一个问题：下一步该做什么。

一起开源的两款模型走了两条路。Nano 只有约 85.5 万可训练参数，从零训练，专门做候选操作打分；4B 版则直接拿 Qwen3.5-4B 做底座，再微调成同样的「选择题模型」。前者追求极小和极快，后者用大模型原本的理解能力换更强的泛化。

评测除了填表、登录、搜索这些常见操作，还加入安全判断、国际象棋、Doom 和 JevBench。后面几项故意不给模型训练，用来看它离开熟悉任务后还能不能做对决定。

Key points

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

每道题会给模型当前界面和一组选好的操作，模型只能选择一次下一步操作，不能反复看屏幕或失败重试。

这种设计专门观察模型在单步Computer Use决策上的能力，以及离开熟悉训练任务后能否做对选择。

它把复杂的电脑操作拆成“下一步选哪个动作”的选择题，便于理解和比较不同模型的决策能力。