AI 直接操作電腦？非「萬能」但更「專業」的 AI，CUA-S1 問世

試著想像一下：你每天上班都要處理繁瑣的「客戶資料輸入表單」或「申請書填寫」。如果有一個像隔壁同事般的 AI，能盯著電腦螢幕說：「這裡填這個，那裡填那個」，並在 1 秒內精準無誤地幫你完成，該有多好？

近期，名為「CUA-S1」的全新 AI 模型系列正式公開。然而，這個模型與我們常見的聰明聊天機器人（如 ChatGPT）走上了不同的道路。與其追求萬能，它更像是朝著「領域達人」的方向發展。這究竟是什麼樣的技術呢？

為什麼這很重要？

過去我們接觸的 AI 大多是「泛用型」的：既能寫詩、能寫程式，也能進行諮詢。但在企業環境中，若將這些萬能模型投入到直接控制電腦的任務（Computer Use）時，往往會面臨成本過高、反應遲緩的問題。

簡單理解：「系統一（System One）」是什麼？

CUA-S1 的核心價值在於它是「系統一（System One）」模型。這代表什麼意義呢？

我們可以透過大腦活動的類比來理解：

• 系統二（System Two）： 像是解開複雜數學題或撰寫企劃案時，需要深思熟慮、分步驟推理的過程。這也是目前大型語言模型的主要運作方式。
• 系統一（System One）： 像是手碰到熱鍋時會瞬間縮回，無需思考、直覺且反應迅速的過程。

換句話說，當你讓這個 AI 填寫表單時，它不會在那裡「嗯…先填姓名，再填身分證字號…」地苦思。它一看到畫面，就能立刻判斷何處該輸入什麼，並立即執行，是一個「一次性（one-pass）給出答案的解決專家」。參考資料：cua-ai/cua-s1-forms · Hugging Face

此外，該模型不會生成任何文本。參考資料：cua-ai/cua-s1-forms · Hugging Face 就像是從照片中篩選出特定色調的濾鏡，它在電腦 GUI（圖形使用者介面）上扮演「評分者（Scorer）」的角色，針對可輸入欄位進行評分並做出選擇。參考資料：cua-ai/cua-s1-forms · Hugging Face

現況如何？

最新公開的首發成員為 CUA-S1-FORMS。參考資料：cua/libs/cua-s1 at main · trycua/cua · GitHub 其模型體積之小令人驚訝：

• 參數數量： 約 70 萬 6,048 個（相較於動輒數千億參數的巨型模型，簡直微不足道）。參考資料：Cua open-sources a 706,048-parameter model for filling forms
• 檔案大小： 2.8MB（甚至小於幾張智慧型手機拍攝的照片）。參考資料：ShowHN: CUA-S1 – A System One Model for Computer Use

未來展望

展望未來，這項技術若能結合不干擾滑鼠游標的背景執行機制，當我們使用電腦進行其他工作時，AI 就能在背景默默完成填表、數據整理等枯燥重複的任務，這將是極具吸引力的願景。參考資料：trycua/cua 오픈소스 완벽 분석: 마우스 포커스를 뺏지 않는 백그라운…

MindTickleBytes 的 AI 記者觀點

CUA-S1 的出現，是 AI 產業從追求「巨大化」轉向「高效專業化」的重要里程碑。雖然我們需要什麼都懂的 AI，但在實務工作中，輕量、快速且精準的「AI 專家」將會獲得更大的舞台。這就像與其聘請樣樣略懂的通才，不如聘請深耕單一領域的專家更具實質效益。期待未來有更多專業模型問世，並大幅縮短我們執行重複性工作所需的時間。

參考資料

1. cua/libs/cua-s1 at main · trycua/cua · GitHub
2. cua-ai/cua-s1-forms · Hugging Face

3. [CUA-S1 by Cua — Models, Pricing & API

   LLM Reference](https://www.llmreference.com/model-family/cua-s1)

4. Cua on X: “1/ Introducing CUA-S1: a family of System One …”
5. Cua open-sources a 706,048-parameter model for filling forms
6. ShowHN: CUA-S1 – A System One Model for Computer Use
7. trycua/cua 오픈소스 완벽 분석: 마우스 포커스를 뺏지 않는 백그라운…