/ Модель

Характеристики

Контекст
128 000 токенов
Размер весов
20,6 ГБ
Лицензия
Своя лицензия
Архитектура
glm4v · dense
Библиотека
transformers
Опубликована
9 июл 2026

ScaleCUA-glm4.6v-scienceboard-sft

Изображение и текст → текст3 профессии

Мультимодальный GUI-агент ScaleCUA на базе GLM-4.6V-Flash для выполнения задач в ScienceBoard по текстовым инструкциям и визуальному контексту.

24скачиваний за 30 дней1лайквеса обновлены20 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ScaleCUA-glm4.6v-scienceboard-sft — контрольная точка GLM-4.6V-Flash от команды ScaleCUA, обученная методом supervised fine-tuning (SFT) для управления графическим интерфейсом ScienceBoard. Она служит начальной точкой для последующего онлайн-обучения с подкреплением; README указывает, что соответствующая RL-модель выпущена отдельно.

Модель предназначена для computer-use-сценариев: она принимает визуальный контекст интерфейса и текстовые инструкции, чтобы выполнять задачи через GUI. В основе — мультимодальная архитектура семейства GLM-4V; в метаданных указаны возможности чата и обработки изображений. Для запуска README предлагает OpenAI-совместимый сервер vLLM и оценочный runtime osworld_eval.

Это стартовый SFT-чекпойнт, поэтому его результаты могут отличаться от результатов выпущенной RL-версии; численные показатели в карточке не приведены. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Сценарии применения

  • управление интерфейсом ScienceBoard по текстовым инструкциям
  • выполнение задач в GUI с опорой на снимки экрана
  • оценка агента для компьютерного взаимодействия в osworld_eval

Ограничения

Это SFT-стартовая контрольная точка, тогда как соответствующая RL-версия выпущена отдельно; результаты в предоставленной карточке не приведены. Конкретные условия лицензии с пометкой other не раскрыты.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ScaleCUA-glm4.6v-scienceboard-sft

A GLM-4.6V-Flash computer-use agent from ScaleCUA, trained for ScienceBoard. Stage: SFT start-point.

What is this

This is the SFT start-point checkpoint used to initialize online RL; the corresponding RL checkpoint is the released agent (see the collection).

ScaleCUA scales online RL for computer-use agents by pairing VeriGen (verifiable GUI-task synthesis) with Frontier Sampling and Visual Context Segmentation. See the repo for details.

Usage

Serve with an OpenAI-compatible server (e.g. vLLM) and drive it with the evaluation runtime in osworld_eval:

pip install -U vllm
python -m vllm.entrypoints.openai.api_server --model extreme1228/ScaleCUA-glm4.6v-scienceboard-sft \
  --served-model-name scalecua --trust-remote-code --port 8000

Then follow REPRODUCE.md to run ScienceBoard evaluation.

Results

(see the paper for the full table).

License

Weights are released for research; the model inherits the license of its base model (GLM-4.6V-Flash). Repository code is under the licenses in the GitHub repo.

Citation

@misc{lv2026scalecua,
  title  = {ScaleCUA: Scaling Computer Use Agents with Verifiable Task Synthesis and Efficient Online RL},
  author = {Bowen Lv and Xiao Liu and Yanyu Ren and Hanyu Lai and Bohao Jing and Hanchen Zhang and Yanxiao Zhao and Shuntian Yao and Jie Tang and Yuxiao Dong},
  year   = {2026},
  url    = {https://github.com/THUDM/SCALE-CUA}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Glm4vForConditionalGeneration
Ревизия весов
2bcf77b

0 моделей