产品定位
OpenGCUA 是阿里巴巴通义 MAI-UI 团队于 2026 年 10 月 15 日开源的通用计算机操作智能体（GCUA）全栈项目，它把原本分散的两条路线——纯 GUI 点击与纯命令行执行——统一到同一个框架里，让模型自己决定什么时候截图、什么时候点鼠标、什么时候直接跑命令。

核心功能
框架支持混合使用截图视觉交互、无障碍树读取、Shell 命令执行、应用与服务 API 调用，以及代码执行，即把 GUI 操作写成带循环与条件的程序，由中间结果决定后续动作。配套提供初步版 macOS 真机 harness、跨设备 SDK（电脑、手机、浏览器共用一套编程接口）、OSWorld 集成示例，以及 8 个前沿模型的评测轨迹。

性能表现
官方数据显示在 OSWorld-v2 离线子集上平均 partial score 从 45.3 提升到 64.9（+19.6 分），每任务步数减少 53.0%；代码执行相对 GUI+CLI 基线再涨 6.1 分、步数减少 14.8%。成本方面 Qwen3.8-Flash 约 0.38 美元/任务得 60.5 分，GPT-6 Astra 约 15.26 美元/任务得 75.7 分。

适用场景
首次发布暂不含训练好的模型权重，专用 GCUA 模型计划后续发布。目前在 macOS 上配置好 API key、接入 DeepSeek 或 Qwen 等大语言模型即可操作桌面应用、跑脚本控制浏览器、查邮件填表格做日常办公自动化，也很适合研究 AI Agent 与跨设备控制框架的团队。