NorthCUA-Pro

NorthCUA-Pro

读取截图和请求，为操控桌面或浏览器的智能体写出推理和工具调用。适合有大型 GPU 环境、构建电脑操作智能体的团队。

由 beipo-ai 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：NorthCUA-Pro 是 NorthCUA 系列里最大的模型，基于 Qwen3.5。它是混合专家模型，总参数 397B，活跃参数 17B。你给它一个请求、当前的截图和之前发生的事。它回答自己的推理、一条回复，以及驱动桌面或浏览器的工具调用。

适合谁：适合构建通过屏幕操作软件的智能体的团队，也适合研究这类智能体的研究者。

行业 | 谁在用 | 怎么用 | 例子
软件测试 | 测试工程师 | 在桌面和网页应用里自动完成屏幕任务 | 一步步填完网页表单的智能体
运营 | 自动化团队 | 跨应用完成多步任务 | 把数据从一个应用搬到另一个应用的任务
研究 | AI 研究者 | 在共同基准上研究电脑操作智能体 | 在 OSWorld-Verified 上跑一遍

硬件一般的人可以跳过它，去看同一系列里更小的 Nano 或 Mini 模型。

用在哪里：

• 官方 NorthCUA 运行时包，模型卡说配合这个模型要用它
• 由运行时控制的桌面或浏览器
• Hugging Face Transformers，模型卡列出了这个库
• Windows、macOS 或 Linux，你可以用 Python 下载文件

用途 | 谁用 | 得到什么
桌面任务 | 自动化团队 | 每一步的推理、回复和工具调用
网页工作流 | 测试工程师 | 根据截图在浏览器里执行的操作
屏幕定位 | 研究者 | 在 0 到 1000 的空间里给出点击目标的坐标

如何设置：

你需要先准备：

• Python 和 huggingface_hub 包
• 官方 NorthCUA 运行时，来自模型卡的代码仓库
• 大型 GPU 环境，因为权重在 BF16 下约 794 GB，按估算 4-bit 约 198 GB

1. 安装 Hugging Face hub 包。
2. 把模型文件下载到你的电脑。
3. 按模型卡说的设置运行时，并让它指向这个模型。

pip install -U huggingface_hub
hf download beipo-ai/NorthCUA-Pro

如何使用：给运行时一个请求。它把你的请求、截图和历史发给模型。模型回答推理、回复和工具调用。所有操作坐标都用 0 到 1000 的刻度，运行时执行时会把它们换成像素。

示例：你让智能体在浏览器里完成一个任务。模型看当前截图，回复下一步操作，比如一次点击，坐标用 0 到 1000 的刻度。运行时执行这个操作，再把新截图发回来。

新手与专家：电脑操作智能体会看屏幕，像人一样点击和输入。第一步可以先试更小的 Nano 模型，因为这个模型需要巨大的环境。

对专家来说，17B 这个活跃数字算的是每个 token 要计算的量。内存仍然要放下全部 397B 参数，所以按总量来配硬件。模型卡说定位结果来自 SFT 检查点，任务结果来自后来的桌面和网页联合 RL 检查点。它还说这些数字来自技术报告，不是对这些文件的新测量。

你给出请求和截图
模型规划并写出工具调用
运行时把坐标换成像素
运行时执行这个操作
新的截图送回来

注意事项：

Title: OSWorld-Verified 成功率，按报告所述
NorthCUA-Nano: 78.90 %
NorthCUA-Mini: 85.30 %
NorthCUA-Pro: 88.64 %

• 大小：总参数 397B，活跃 17B，Safetensors 格式，另有他人做的 1 个量化版本
• 系列：Nano 为 9B 稠密，Mini 为 35B（3B 活跃），以及 Pro
• License: apache-2.0
• Cost to run: 没有提到，不需要 API 密钥或账号，但硬件很大
• Data it reaches: 它会从 Hugging Face 下载模型文件，并处理 运行时给它的截图和历史
• Not for: 不用运行时的使用（模型卡说它是为配合运行时设计的），或者原始像素坐标

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：397B
• Weights: about 794 GB in BF16; about 198 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：1,066
• 点赞：33
• 许可证：apache-2.0
• Quantized versions: 1
• 标签：transformers, safetensors, qwen3_5_moe, image-text-to-text, northcua, computer-use, multimodal, agents, conversational

链接

• 模型：https://huggingface.co/beipo-ai/NorthCUA-Pro
• 文件：https://huggingface.co/beipo-ai/NorthCUA-Pro/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download beipo-ai/NorthCUA-Pro

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。