/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_vl · dense
Базовая модель
ScaleCUA-qwen3-vl-osworld-sft
Библиотека
transformers
Опубликована
7 июл 2026

ScaleCUA-qwen3-vl-osworld

Изображение и текст → текст3 профессии

Мультимодальный агент ScaleCUA на базе Qwen3-VL-8B, который выполняет задачи управления компьютером по инструкциям и изображениям экрана.

39скачиваний 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-qwen3-vl-osworld — агент для управления компьютером через графический интерфейс, разработанный командой ScaleCUA и основанный на Qwen3-VL-8B. Это контрольная точка после онлайн-обучения с подкреплением (RLVR), дообученная от extreme1228/ScaleCUA-qwen3-vl-osworld-sft; модель принимает текстовые инструкции и изображения экрана, а в ответ формирует текстовые действия и рассуждения для выполнения задач в интерфейсе.

Модель предназначена для сценариев OSWorld; в README заявлен результат 67,7% на этом бенчмарке. Для запуска авторы описывают использование vLLM и оценочной среды osworld_eval. Репозиторий содержит веса safetensors и использует библиотеку Transformers; лицензия указана как other, без уточнения условий в предоставленных данных. Карточка описывает специализированного GUI-агента, поэтому её возможности за пределами задач компьютерного управления не установлены.

Сценарии применения

  • выполнение действий в настольных приложениях по текстовой инструкции
  • автоматизация задач в графическом интерфейсе
  • управление компьютером по скриншотам
  • оценка GUI-агентов в среде OSWorld

Ограничения

Модель обучена для задач OSWorld, поэтому её надёжность в других интерфейсах и сценариях не подтверждена предоставленными данными. Условия лицензии «other» в карточке 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-qwen3-vl-osworld

A Qwen3-VL-8B computer-use agent from ScaleCUA, trained for OSWorld. Stage: online-RL (RLVR).

What is this

This is the online-RL checkpoint (the released agent). Its SFT start point is extreme1228/ScaleCUA-qwen3-vl-osworld-sft. It reaches 67.7% on OSWorld.

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-qwen3-vl-osworld \
  --served-model-name scalecua --trust-remote-code --port 8000

Then follow REPRODUCE.md to run OSWorld evaluation.

Results

67.7% on OSWorld (see the paper for the full table).

License

Weights are released for research; the model inherits the license of its base model (Qwen3-VL-8B). 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
Qwen3VLForConditionalGeneration
Ревизия весов
d27cdab

0 моделей