Cua 开源 CUA-S1-FORMS：70 万参数的表单填写小模型

Cua 近日在 Hacker News 发布 CUA-S1，并在 GitHub 开源了这一系列的首个模型 CUA-S1-FORMS。它是一个专做「表单决策」的小模型，不是通用的电脑操作大模型。

是什么

Cua 是一个开源的电脑操作（computer-use）基础设施项目，包含云端桌面（Fleets）、Apple 芯片上的本地虚拟机（Lume）、跨 macOS / Windows / Linux 的操作驱动 Cua Driver（可通过 CLI、MCP 和 SDK 接入）以及评测工具 Cua Bench。CUA-S1 是其中的模型部分。

项目对 CUA-S1 的定位很克制：它是一族小而专的「系统一」（System 1）模型，“系统一”只是工程类比，指快速、边界清晰的决策，比如某个字段该填哪个值、某个元素该不该动；并不是严格的架构分类，也不取代通用智能体的规划与推理。

怎么工作

首个研究版本聚焦表单：输入是结构化的界面元素和文档里的值，模型给每个选项打分，而不是逐 token 生成回复。动作的先后顺序由应用代码决定，可选的 Cua Driver 集成负责执行，并带有明确的动作边界。

据 Hugging Face 上的模型卡，CUA-S1-FORMS 有 706,048 个可训练参数、检查点 2.8 MB，结构是字节级嵌入加 2 层 Transformer 编码器。它用 10,000 个合成样本训练，模型卡给出的成绩是合成测试集 99.95%，真实演示集 100%——但后者只有 196 个决策。

边界

这些数字都是项目方自己报的。模型卡写明该模型不能凭空生成取值，训练完全基于合成表单，真实数据只有那个 196 个决策的小测试集，标签词汇以英文为主。GitHub 上这一部分是仅含源码的早期研究发布，源码采用 MIT 许可，模型和数据集的具体许可以各自的卡片为准。

接下来看什么

CUA-S1 是一个“族”，表单只是第一个方向。其他类型的界面决策会不会出同类模型、真实网页上的表现如何，目前都没有公开数据，需要第三方复现后才有参照。