AI BriefingAlibaba OpenGCUA, Python 하네스로 OSWorld-v2 평균 점수 19.6점 향상
OpenGCUA: 클릭 대신 Python 프로그램으로 컴퓨터를 다루게 해 기존 모델 성능을 높이는 에이전트 하네스
·2026.10.28 19:00
핵심 내용
모델 학습 없이 하네스 변경만으로 OSWorld-v2 평균 점수가 45.3점에서 64.9점으로 올랐다.
자세히 보기
- Alibaba MAI-UI 팀이 공개한 OpenGCUA는 클릭 대신 Python 프로그램으로 GUI, 셸, API를 제어하는 범용 컴퓨터 사용 에이전트 하네스다.
- 모델 학습 없이 하네스 변경만으로 OSWorld-v2 82개 과제에서 8개 모델의 평균 점수가 45.3점에서 64.9점으로 19.6점 상승했다.
- 과제당 평균 단계 수는 53.0% 감소했으며, GLM-5.3-Flash는 29.6점에서 64.9점으로 가장 큰 폭의 향상을 보였다.
- macOS 14 이상에서 동작하는 실기기 하네스와 Cross-Device SDK가 제공된다.
기술적 특징 및 결과
- 모델이 관찰 대상, 행동, 작업 정리를 결정하는 '하네스-모델 결정 이전' 구조를 채택했다.
- 반복문과 조건문을 포함한 Python 코드 실행을 통해 기존 배치 방식 대비 효율성을 높였다.
- GPT-6 Astra는 75.7점을 기록했으나 과제당 비용은 약 15.26달러로, 60.5점을 기록한 Qwen3.8-Flash(약 0.38달러)보다 높았다.
제한 사항 및 주의점
- 중대 동작에 대한 확인 절차(confirmation gating)는 아직 구현되지 않아 상태 손실 가능한 환경에서만 사용 권장된다.
- 셸 접근만으로도 점수가 크게 올라 코드 실행의 순수 기여도는 제한적일 수 있다는 분석이 있다.
- 공개된 OSWorld 예제는 참조 코드일 뿐 전체 평가 실행기가 아니며, 업무용 데이터가 있는 컴퓨터 사용은 부적절하다.
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
