NorthCUA 开源 CUA 智能体套件：9B 到 397B，小模型也能操作你的电脑

桌面自动化这条赛道，过去长期是闭源大模型的主场。11 月 3 日，一个名为 NorthCUA 的开源项目以"套件"姿态入场，一口气摆出从 9B 到 397B 的全尺寸模型矩阵，把电脑操作智能体（Computer-Using Agent，CUA）的能力从闭源演示推向开源量产。

一套权重，多种部署形态

NorthCUA 基于 Qwen3.5 架构构建，首发三个参数规格：Nano（90 亿参数）、Mini（350 亿参数）与 Pro（3970 亿参数），并额外提供一个名为 NorthCUA-Ultrafast 的低延迟变体。官方将其定位为"一套权重、多种部署形态"——9B 可跑在笔记本或迷你主机上做端侧尝鲜，35B 适合单卡数据中心 GPU 承担日常办公自动化，397B 则面向多卡集群处理复杂长程任务，Ultrafast 变体专为高频调用、实时交互场景设计。

整个发布包含模型权重、训练代码、技术文档，以及名为 Harness 的执行框架，并附带一份 123 页的技术报告，对研究者和工程师而言是可"开箱即造"的完整工具链，而非只给一个权重文件的半成品。

核心能力：看见屏幕、规划动作、操作界面

NorthCUA 的工作闭环是"屏幕理解 → 动作规划 → 界面操作"：它既能操作本地桌面应用程序，也能操作浏览器内的 Web 界面，属于典型的 GUI Agent。技术报告显示，其训练体系依托一套"经验飞轮"（Experience Flywheel）从各类软件与网页中采集了超过 400 万步 GUI 交互数据。Harness 框架负责在长程多步交互中保持上下文、记录决策并验证结果，出错时可从已确认的里程碑状态恢复，避免每次失败都从头再来。

训练路线分三阶段推进：先在广覆盖 GUI 数据上建立软件操作基础，再通过约 3000 条、31 万次交互的筛选轨迹做长程监督微调（SFT），学会跨步骤的信息传递与任务依赖；最后引入联合强化学习，让模型在桌面与 500 个网页任务中依据验证器反馈、用 GRPO 优化策略。分阶段训练的效果清晰可见：在 OSWorld-Verified 桌面基准上，Pro 检查点的成绩从广覆盖阶段的 75.83% 提升到长程 SFT 后的 85.87%，再到联合强化学习后的 88.64%。

基准表现：需带上审慎框

据项目方披露，在 OSWorld-Verified（桌面）与 WebArena-Verified（网页）两项验证基准上，NorthCUA-Pro 超越了参数量达万亿级的闭源模型 Qwen3.8-Max 与 Kimi-K3；中端的 Mini 也在桌面任务上优于 Kimi-K3、在网页任务上超过 Qwen3.8-Max。Ultrafast 变体通过在预强化学习的 Nano 模型上加一个轻量选择头，直接为操作类型和当前控件打分，在匹配成功的 WebArena 任务上平均完成速度提升约 2.3 倍。

需要提醒的是，上述"超越"为项目方单方口径：任务集由发布方选定，且对比对象存在争议，不构成中立评测结论。独立复现仍待进行，跨模型选型请以 OSWorld 官方榜单的第三方提交版本与自测为准。

为什么这件事值得关注

NorthCUA 的意义不在单一分数，而在于它把"开源模型能否替代闭源 API 做日常桌面工作"这个实际问题，第一次拿出了可验证的完整证据链：模型、训练代码、执行框架、技术报告一并开源。对团队来说，真正的考题变成——在自己硬件上跑一个 35B 或 397B 的开源模型，是否比按 token 调用前沿 API 更划算？NorthCUA 是支持"自建派"眼下最有力的论据之一。

不过，目前项目尚未公布托管 Demo 或 API，属于面向开发者与研究者的"自己动手"型发布。对于想先试水的个人用户，官方建议从 9B 起步，把最高频的三件事（填表、导出报表、跨应用搬运数据）跑通，再决定是否升规格。