NorKa 开源电脑操作模型家族：9B Nano 跑分 78.9，本地托管你的 GUI 自动化代理

2026 年 11 月 6 日，AI 开发平台 MindStudio 披露了一个叫 NorKa 的开源权重模型家族。它和会聊天的通用大模型不是一路货：NorKa 是专门为"操作电脑"而生的——它看屏幕截图，决定点哪里、敲什么、鼠标移到哪，像一个真人操作员那样在桌面环境里连续完成多步骤任务。更关键的是，三档模型（Pro / Mini / Nano）的权重全部开放，并配套了 Beo AI 开源的运行框架，开发者可以直接把一整套"电脑操作代理"搬回本地硬件上自己跑，不必再把源源不断的桌面截图往别人的云端服务器送。

这不是又一个"能写代码"的模型，而是一个"能替你点鼠标"的模型。

三档规格，参数差距 44 倍、跑分只差 10 分

NorKa 一共三档，全部是开放权重：

  • NorKa Pro：混合专家（MoE）架构，总参数 3970 亿，单次前向传播只激活 170 亿参数；在 OSWorld Verified 基准上拿到 88 分。
  • NorKa Mini：总参数 350 亿，得分 85。
  • NorKa Nano：只有 90 亿参数，得分 78.9。

最值得玩味的是这中间的差距：最小的和最大的之间，参数总量差了约 44 倍，跑分却只差大约 10 分。OSWorld Verified 是评测"电脑操作代理"在真实操作系统里完成文件管理、切换软件、跑多步骤工作流等任务能力的硬基准；WebArena Verified 则把同样的任务放到浏览器环境里测，三档之间同样呈现极其紧凑的差距。在绝大多数模型家族里，9B 和 397B 之间的分数曲线会陡得多——NorKa 这种"又平又高"的曲线，说明任务专用型的小模型确实吃下了绝大部分能力，只用极低的算力开销。

它是怎么"操作电脑"的

NorKa 配的 Beo AI 开源 harness（运行框架），跑的是一个和人类操作桌面同构的循环：观察—思考—行动（observe–think–act）。代理截下当前屏幕状态，推理"我在看什么、下一步该干什么"，然后发出一次动作——一次点击、一个按键、一段光标移动。动作改变了屏幕，于是截下新图，循环继续。这套 observe-think-act 是几乎所有电脑操作代理的标准架构，闭源大厂的同类系统也是这个套路；NorKa 特别之处在于，底层的模型和跑这个循环的 harness 都是开放的，整条链路可以被审查、被修改、被本地托管，而不是只能透过厂商的 API 去调用。

权重托管在 Hugging Face 上，配合 Beo AI 的开源框架免费取用。拉下权重、用框架跑起来，就接上了截图循环的整套逻辑。Nano 这一档小到理论上能在消费级显卡甚至手机类芯片上跑，团队已经在对它在普通 PC 上的本地运行能力做评估。

为什么"开放权重"在这里特别重要

电脑操作代理从一出生就踩在隐私和安全的雷区上。早期由大厂推出的同类能力几乎都依赖闭源 API：用户必须把连续的桌面截图实时传到远端云服务器去推理。对医疗、法律、政务这类对数据出境极其敏感的行业，以及任何有严格内网隔离要求的企业，这条路基本走不通。NorKa 把"模型 + 框架"双双开源，等于给了这些场景一个可以离线、可审计、完全在本机兜底的替代方案——不必把实时屏幕流送出境，也能做桌面自动化。

从更大的趋势看，开源生态正悄悄从"一味堆通用巨模型"转向"任务专用型架构"。NorKa 和同周发布的 3 万亿参数通用模型 Kimi K3.1 Pro 处在同一发布周期，却走出了相反的技术路线：一部分实验室继续把通用模型越做越大，另一部分团队则通过专项训练，让参数小得多的专用模型在 OSWorld 这类特定基准上匹敌甚至超越超大规模的通用系统。在电脑操作这个具体赛道上，NorKa Pro 的 88 分已经站到了最强模型所在的区间，和若干闭源前沿系统同档，而它只用了通用模型零头的参数。

别被跑分冲昏头：12% 的失败率依然是真问题

技术分析人士泼的冷水很实在：高跑分不等于生产环境零差错。OSWorld Verified 上 88 分，意味着在受控测试里仍有约 12% 的任务会失败；而真实桌面环境的变量远比测试集复杂——窗口弹窗、分辨率差异、未预见的应用状态，都会让实际失败率更高。所以任何要把 NorKa 投到生产的人，都得在流程里塞进人工复核或失败回滚逻辑，尤其是碰到改文件、走支付、做不可逆操作的环节，绝不能让代理"自由发挥"。

但把这一点说清楚，反而凸显了它真正的价值：对于本地自动化工具、设备端助手、以及"截图不能出内网"的隐私敏感工作流来说，一个算力需求低、能拿出接近前沿水平的开放小模型，改变了以往"要么上数据中心级 GPU 集群、要么干脆别做"的二选一。9B 的 Nano 能在普通硬件上跑出接近 79 分，意味着很多现实中的自动化任务，小模型可能才是最务实的那一个选择——更便宜、更快、更容易部署到边缘，同时只让出一小部分任务完成度。

对想做桌面或浏览器自动化的开发者来说，NorKa 值得放进评估清单：模型全开放、harness 开源、基准数字又和前沿系统有得一拼。把权重从 Hugging Face 拉下来、用配套框架跑起来就能上手实验；Nano 足够小，团队可以先不租昂贵的 GPU 就开始试。剩下的，就看工程团队能不能把 Beo AI 的框架真正接进自己的业务流程，以及在真实环境里把那 12% 的失败率用人工兜底压下去。