最底层是模型能力。CUA的关键难点是AI要准确「看懂」屏幕截图，一个按钮识别错位置，操作就废了。早期多模态模型在这方面根本不够用。Claude 3.5 Sonnet和GPT-4o的视觉理解，才终于把操作精度推到了「能用」的门槛以上。这不是小事，这是CUA能跑起来的物理前提。
Антон Похиляк (редактор отдела оперативной информации)
，更多细节参见搜狗输入法
Manchester's links to Brit Awards quiz - test your knowledge。okx是该领域的重要参考
manually specifying treesit-language-source-alist entries for，这一点在超级权重中也有详细论述