cua 升级 computer-use 2.0，跨系统机群训练评测

cua 的定位是用开源的方式驱动跨操作系统的 agent 机群，把 computer-use 推到 2.0。它同时承担训练、评估与数据生成三类任务。

为什么要跨操作系统

computer-use 类智能体的能力上限，很大程度上取决于它在多少种真实环境里练过。只在一个操作系统里训练，换到另一个系统上往往就失灵。cua 把机群铺到多个操作系统，本质上是在扩大训练环境的多样性。

把这三件事放在同一套框架里，好处是数据闭环更短。模型产出的轨迹可以直接用于评估，评估发现的问题又能变成下一轮的数据，不必在工具之间来回搬。基准测试扩展也是同一个思路。

单日新增近四百星，在工具类项目里算相当活跃。

传统脚本按固定流程执行，cua 面向的是让智能体自己操作界面，所以在环境变化时仍有适应空间。

它的主要场景是团队做智能体训练与评测。个人用户更可能把它当参考实现来读。

cua 的价值在于把训练和评测环境标准化。当 computer-use 从演示走向工程，这类基础设施的缺失会比模型能力更早成为瓶颈。