Qwen-CUA

Qwen-CUA 是一个基于通义千问（Qwen）的原生计算机操作智能体，通过分析屏幕截图理解界面状态，并直接驱动键盘和鼠标执行真实操作。其核心特点是纯像素输入、无依赖（不依赖DOM、无障碍API或后台接口）、支持长程任务记忆与20帧活跃视觉历史管理，结合多模态推理与动作接地机制。适用于自动化GUI交互场景，如跨应用流程执行、软件测试、无障碍辅助操作及教育演示等需真实人机交互界面的领域。