/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
18,8 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_5 · dense
Базовая модель
ScaleCUA-qwen3.5-osworld-sft
Библиотека
transformers
Опубликована
7 июл 2026

ScaleCUA-qwen3.5-osworld

Изображение и текст → текст3 профессии

Мультимодальный агент ScaleCUA на базе Qwen3.5-9B для выполнения задач в графическом интерфейсе, обученный и оцениваемый на OSWorld.

96скачиваний 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-qwen3.5-osworld — мультимодальный агент для работы с графическим интерфейсом, разработанный командой ScaleCUA на базе Qwen3.5-9B. Это контрольная точка после онлайн-обучения с подкреплением (RLVR); начальной точкой дообучения служит extreme1228/ScaleCUA-qwen3.5-osworld-sft. Модель принимает изображения интерфейса и текстовые инструкции, а её основная задача — выполнять действия в компьютерной среде OSWorld.

Для запуска авторы предлагают использовать сервер с API, совместимым с OpenAI, например vLLM, вместе с оценочной средой osworld_eval. В карточке заявлен результат 68,7% на OSWorld. В качестве методов масштабирования обучения упомянуты синтез проверяемых GUI-задач VeriGen, Frontier Sampling и Visual Context Segmentation. Модель предназначена для автоматизации многошаговых задач в графическом интерфейсе; результат указан авторами, а независимые условия и детали оценки в карточке не приведены. Лицензия обозначена как other.

Сценарии применения

  • автоматизация действий в настольных приложениях по скриншоту и инструкции
  • выполнение многошаговых задач в среде OSWorld
  • управление графическим интерфейсом с помощью компьютерного агента

Ограничения

Заявленный результат 68,7% относится к OSWorld; карточка не приводит подробностей оценки и не подтверждает переносимость на другие среды. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели.

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-qwen3.5-osworld

A Qwen3.5-9B 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-qwen3.5-osworld-sft. It reaches 68.7% on OSWorld (open-source SoTA).

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-qwen3.5-osworld \
  --served-model-name scalecua --trust-remote-code --port 8000

Then follow REPRODUCE.md to run OSWorld evaluation.

Results

68.7% on OSWorld (open-source SoTA) (see the paper for the full table).

License

Weights are released for research; the model inherits the license of its base model (Qwen3.5-9B). 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
Qwen3_5ForConditionalGeneration
Ревизия весов
2ad1314

0 моделей