來自加州大學伯克利分校的一個研究團隊發佈了 CUA-Lite，一個面向計算機使用智能體（computer-use agents）的開放平台。團隊的核心論點不是模型本身，而是基礎設施：訓練和評測這樣的智能體通常需要四類組件——智能體、環境、軌跡數據，以及用於評估和訓練這些組件的框架；而目前這些組件分散在不同代碼庫中，接口互不兼容。CUA-Lite 則把它們統一到同一套動作空間、同一種數據模式和同一條命令下，覆蓋桌面端、瀏覽器和移動端。
在可部署性上，項目通過 uv sync --all-extras 安裝，運行於 Python 3.12；輕量沙盒可以跑在任何 Docker 主機上，不需要 /dev/kvm，因此雲主機、CI runner 和嵌套容器都能直接使用。
平台最具體的成果是 Lite.OSWorld。原版 OSWorld 提供一個完整的 Ubuntu 桌面，但每個任務以 QEMU/KVM 虛擬機方式分發，依賴嵌套虛擬化，而多數託管基礎設施並不提供這種能力。CUA-Lite 在普通 Docker 容器內的 GNOME 桌面上重製了相同的任務集和評估器。對比上，OSWorld 需要 4.1GB 內存，Lite.OSWorld 只需 0.9GB；冷啓動從 29.9 秒降到 23.8 秒；並行能力約提升 4.6 倍。至於用容器替代虛擬機是否會影響保真度，團隊在 13 個模型上驗證，Lite.OSWorld 的分數與 OSWorld 虛擬機一致，意味着在容器中獲得的分值或訓練信號可以遷移到真實基準。
該基礎還衍生出一系列沙盒：Lite.ScaleCUA、Lite.CUAGym 和 Lite.CUAWorld。最後者擴展到約 40 個應用，包括 Blender、QGIS 和 VS Code。平台總計提供 3 萬多個可驗證任務。
數據層面，CUA-Lite 提出 LiteSample，一個在環境、智能體和任務類型間共享的監督式學習模式，使用純 parquet 加圖片格式。已有 10 多個 CUA 數據集被預處理為 LiteSample 並免費發佈在 Hugging Face 上，包括 Aguvis、OpenCUA、ScaleCUA、GUI-360、GUIOdyssey 和 Multimodal-Mind2Web 等。此外，團隊讓前沿教師模型在沙盒中滾動生成了新的 rollout 數據集，用於蒸餾到較小模型。由於不同模型家族對腳手架要求不同，框架提供了每個模型的適配器，將統一的 LiteSample 打包成各模型的訓練格式，包括歷史摺疊（history collapsing），讓多個步驟共享一次前向傳播。
在訓練與評估方面，lite.gym 以截圖為輸入、動作為輸出，每種平台提供統一動作空間。內置 10 多個智能體（GPT、Claude、Gemini、Qwen3-VL、UI-TARS、Fara-7B、MAI-UI 等），並集成 15 多個基準，涵蓋 grounding（ScreenSpot-Pro、OSWorld-G）、桌面（OSWorld、OSWorld-2、WindowsAgentArena、CUABench）、瀏覽器（WebArena、VisualWebArena、MiniWoB、WebVoyager、Online-Mind2Web、WebGym）和移動端（AndroidWorld、AndroidLab、MobileWorld、MobileGym）。切換 scripts/rollout.py 中的 --model-id 和 --env-id 即可完成大部分工作。
同樣的循環也可用於訓練。SFT 示例中，團隊以 Lite.ScaleCUA 桌面軌跡對 Qwen3-VL-2B-Instruct 進行微調，在包含 332 個任務的 lite.osworld 評估子集上，平均回合回報從 0.138 提升到 0.237。README 特別説明這是單次報告配置、在兩張 GPU 上得到，並非獨立復現結果。RL 方面，環境內評分後的 rollouts 驅動基於 Slime 的 GRPO 更新，並提供一個 MobileGym 示例，覆蓋 28 個應用中的 416 個移動任務。
需要提醒的是，雖然平台面向任何 Docker 主機即可部署，但倉庫目前沒有發佈明確的開源許可證，商業使用前仍需確認條款。