openagi 基金会近期正式推出其首款面向“computer-use”场景的基座模型——lux。官方宣称该模型为“全球性能最强、响应最快、成本最低的 computer-use 模型”，并已通过配套 sdk 全面开放，支持所有开发者及企业快速集成，用于打造自动化与智能代理类应用。
Lux 设计了三种灵活的运行模式，以精准匹配不同复杂度的任务需求：
- Actor 模式：适用于目标清晰、步骤单一、执行路径明确的轻量任务，具备毫秒级响应能力；
- Thinker 模式：面向目标抽象、流程多变、需自主规划的复杂任务，模型可主动将高层指令分解为可执行子任务，并依序推进；
- Tasker 模式：用户直接提供结构化操作序列（以 Python 列表形式输入），Lux 严格按步执行，内置容错重试机制，确保高精度、强可控性的任务闭环 —— 尤其适用于关键业务流程与定制化自动化场景。
Lux 已在多个实际 Agent 应用领域完成验证，包括但不限于：软件质量保障全流程自动化、深度行业研究分析、跨平台社交媒体运营、电商后台管理、结构化数据批量录入与处理等。
在权威评测基准 “Online-Mind2Web”（覆盖超 300 个真实 Web 环境下的 computer-use 任务）中，Lux 取得 83.6 分的领先成绩，显著优于同期主流方案：Gemini CUA（69.0）、OpenAI Operator（61.3）以及 Claude Sonnet 4（61.0）。
性能与经济性方面同样表现突出：Lux 单步操作平均耗时约 1 秒，相较竞品普遍 3 秒左右的延迟，效率提升达三倍；同时，其单位操作成本据称仅为传统方案的十分之一。
区别于传统大语言模型（LLM）依赖静态文本学习的范式，Lux 的训练采用了创新的“Agentic Active Pre-training”（主动代理式预训练）方法。模型并非被动阅读网页内容，而是在高度仿真的数字环境中持续执行动作、感知反馈、试错探索，从而内化真实操作逻辑与交互策略，真正实现“知行合一”。
OpenAGI 基金会同步开源了支撑 Agent 模型训练的核心基础设施——OSGym 数据引擎。该系统具备卓越的横向扩展能力，可无缝适配多样化 computer-use 场景，支持数千个操作系统实例并行运行，单分钟内稳定产出超千条高质量交互数据。
更多技术细节请查阅官方技术报告与开源代码库。
源码地址：点击下载
