معرفی مدل متن‌باز NorthCUA-Pro؛ غول جدید هوش مصنوعی برای کنترل خودکار کامپیوتر
مدل متن‌باز NorthCUA-Pro با معماری ترکیبی متخصصان بر پایه Qwen3.5 معرفی شد تا به‌عنوان عاملی هوشمند، هدایت دسکتاپ و مرورگر را بر عهده بگیرد. این مدل با تحلیل اسکرین‌شات و تاریخچه تعاملات، عملکرد درخشانی در بنچمارک‌های کار با کامپیوتر ثبت کرده است.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- مدل هوش مصنوعی NorthCUA-Pro با درک تصاویر نمایشگر و تاریخچه تعاملات، وظایف مختلف در دسکتاپ و مرورگر وب را به‌صورت خودکار اجرا می‌کند.
- این مدل با معماری ترکیبی متخصصان و مجموع ۳۹۷ میلیارد پارامتر، امتیاز کم‌نظیر ۹۳٫۳ درصدی را در بنچمارک معتبر ScreenSpot-Pro ثبت کرده است.
- وزن‌های ۷۹۴ گیگابایتی این عامل هوشمند تحت مجوز متن‌باز منتشر شده‌اند و برای اجرا به کلاسترهای پردازشی بسیار توانمند نیاز دارند.
مقدمه
مدل NorthCUA-Pro بزرگ‌ترین عضو از خانواده مدل‌های کار با کامپیوتر در پروژه NorthCUA به‌شمار می‌رود. این مدل از یک معماری ترکیبی متخصصان (MoE) بر پایه Qwen3.5 با مجموع حدود ۳۹۷ میلیارد پارامتر و ۱۷ میلیارد پارامتر فعال در هر لحظه بهره می‌برد که تصاویر صفحه‌نمایش، تاریخچه تعاملات و دستورات متنی را دریافت کرده و آن‌ها را به استدلال، پاسخ‌های دقیق و فراخوانی ابزارها برای اجرا در محیط دسکتاپ یا مرورگر تبدیل می‌کند. سایر مدل‌های این خانواده شامل نسخه NorthCUA-Nano با ۹ میلیارد پارامتر متراکم و نسخه NorthCUA-Mini با ساختار ۳۵ میلیارد پارامتر کلی و ۳ میلیارد پارامتر فعال هستند.
این مدل طوری طراحی شده است که در کنار ابزار رسمی NorthCUA Harness و تحت قرارداد دقیق مختصات رابط کاربری normalized_1000 اجرا شود. وزن‌ها و مستندات فنی مدل تحت مجوز متن‌باز Apache-2.0 بر روی پلتفرم Hugging Face در دسترس قرار دارند و گزارش فنی آن نیز در آرکایو منتشر شده است؛ انتشاری که بازتاب بسیار گسترده‌ای در میان فعالان دنیای فناوری به‌همراه داشته است.
توضیحات و مشخصات فنی
نکات برجسته
- کاربرد اصلی: خودکارسازی کامل عملیات دسکتاپ و وب فراتر از یک محیط گفتگوی متنی ساده.
- روند آموزش: استفاده از چرخه داده‌های تعاملی و مسیرهای پیمایشی طولانی در کنار آموزش مرحله‌ای نظارت‌شده و یاد‌گیری تقویتی روی مجموعه‌داده‌های عظیم رابط کاربری.
- امتیازات ثبت‌شده: کسب امتیاز ۹۳٫۳۰ درصدی در بنچمارک ScreenSpot-Pro و ثبت نتایج پیشتاز در آزمون‌های ارزیابی OSWorld-Verified و WebArena-Verified.
- حجم و منابع موردنیاز: حدود ۷۹۴ گیگابایت برای وزن‌های BF16 که آستانه سخت‌افزاری بالایی را برای میزبانی و سرویس‌دهی می‌طلبد.
نکات احتیاطی
ارقام و امتیازات گزارش‌شده حاصل پروتکل‌ها و ارزیابی‌های فنی رسمی هستند و ادعاهای مربوط به تاخیر فوق‌سریع ممکن است برای این مدل با این حجم سنگین برقرار نباشد. توصیه می‌شود محیط اجرای مدل کاملاً ایزوله نگه داشته شود و برای اقدامات حساس، تأیید و نظارت انسانی لحاظ گردد.
کاربردها
این مدل مناسب چه کسانی است؟
- آزمایشگاه‌ها و مراکزی که به دنبال ارزیابی و بنچمارک مدل‌های متن‌باز کار با کامپیوتر در مقیاس‌های بسیار بزرگ هستند.
- تیم‌هایی که به کلاسترهای پردازشی با چندین شتاب‌دهنده گرافیکی پیشرفته دسترسی دارند و می‌توانند مدل عظیم Qwen3.5-MoE را میزبانی کنند.
راهنمای شروع به کار
- کارت مشخصات مدل در پلتفرم Hugging Face و مقاله پژوهشی آن را مطالعه فرمایید.
- وزن‌های مدل را با دستور
hf downloadدریافت کرده و درستی فایل‌ها را از طریق چکسام بررسی کنید. - ابزار رسمی Harness را یکپارچه‌سازی کرده و قرارداد مختصات رابط کاربری normalized_1000 را حفظ نمایید.
- پیش از هرگونه استفاده عملیاتی، وظایف مدل را در یک محیط دسکتاپ یا مرورگر ایزوله و آزمایشگاهی ارزیابی کنید.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
هوش مصنوعی Siri نامحدود نخواهد بود؛ اپل برای پردازش‌های سنگین اشتراک پولی تعیین می‌کند
مدیران ارشد اپل تأیید کردند که در آینده برای استفاده از قابلیت‌های ابری هوش مصنوعی Siri سقف مصرف روزانه تعیین خواهد شد. با وجود رایگان ماندن پردازش‌های سبک روی خود دستگاه، کاربران برای دسترسی گسترده‌تر و اجرای وظایف سنگین‌تر ناچار به پرداخت هزینه اشتراک خواهند بود. هنوز جزئیات ساختار قیمت‌گذاری این طرح از سوی اپل اعلام نشده است.
چرا معیارهای سنتی سودآوری، مانع سرمایه‌گذاری واقعی شرکت‌ها در هوش مصنوعی می‌شوند؟
تمرکز وسواس‌گونه بر شاخص‌های سود کوتاه‌مدت مانند EBITDA، مانع اصلی شرکت‌ها در سرمایه‌گذاری بلندمدت روی هوش مصنوعی و ایجنت‌ها است. غول‌های فناوری اکنون با تبدیل کارکردهای انسانی به دارایی‌های پایدار الگوریتمی، مفهومی تازه به نام سرمایه شناختی خلق کرده‌اند. رهبران هوشمند سازمان‌ها باید با اصلاح ساختار پاداش مدیران، بودجه سرمایه‌ای مستقلی برای توسعه این دارایی‌های دانشی اختصاص دهند.
ردپای هوش مصنوعی در حمله باج‌افزار 3AM به مجموعه‌ای از مدارس بریتانیا
مجموعه‌ای از مدارس بریتانیا هدف حمله باج‌افزار 3AM قرار گرفتند و ده‌ها سیستم رایانه‌ای رمزگذاری شدند. شواهد کارشناسان امنیت سایبری نشان می‌دهد که مهاجمان احتمالاً از دستورهای مبتنی بر هوش مصنوعی و چرخه‌های خودکار برای پیشبرد این عملیات استفاده کرده‌اند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.