OpenAI
Computer-Using Agent
Computer-Using Agent(CUA)是 OpenAI 为操作图形用户界面训练的智能体模型。它结合 GPT-4o 的视觉能力与通过强化学习获得的推理能力;2025 年 1 月的研究预览通过 Operator 产品向用户提供。(openai.com) CUA 通过截图理解屏幕状态,规划步骤并使用虚拟鼠标和键盘点击、滚动或输入;遇到障碍时可尝试自我纠正或请求用户协助。用途包括填写表单、浏览…
了解模型简体中文
模型发布档案
聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。
Computer-Using Agent(CUA)是 OpenAI 为操作图形用户界面训练的智能体模型。它结合 GPT-4o 的视觉能力与通过强化学习获得的推理能力;2025 年 1 月的研究预览通过 Operator 产品向用户提供。(openai.com) CUA 通过截图理解屏幕状态,规划步骤并使用虚拟鼠标和键盘点击、滚动或输入;遇到障碍时可尝试自我纠正或请求用户协助。用途包括填写表单、浏览…
ERNIE-iRAG-1.0 是百度的图像生成模型,采用基于图像的检索增强生成(iRAG)技术,结合百度搜索图片资源与基础模型能力,根据文本生成图片。(ai.baidu.com) 主要用于文本生成图像,可用于创意配图和视觉内容制作。 百度后续文档称,ERNIE-iRAG 图像生成接口支持传入参考图;具体可用参数应以实际接入接口为准。(qianfan.cloud.baidu.com) 生成结果仍需人…