Cua 联合 Scale AI 发布 Cua Driver Bench：评测后台桌面 Agent 是否打扰用户，macOS 厂商口径 cua-driver 全通过率约 58%

核心背景与行业痛点

计算机使用 Agent 常靠抢焦点、挪指针、前置窗口来完成桌面任务，适合空闲机，却不适合你正在敲字的那台电脑——一次误点就可能把邮件打进表格。2026-11-06，Cua 与 Scale AI 的 AgentEnv 联合发布 Cua Driver Bench，专门评测：driver 能否让 Agent 在后台做完真实桌面任务，同时不打扰前台用户、也不走 shell 捷径。

架构亮点与底层机制

评测固定 Claude Sonnet 5.5、提示词与限额（360 秒/45 轮），只换 computer-use driver（cua-driver、Vercel agent-desktop、browser-use、Codex Computer Use）。十项公开任务覆盖多应用工作流、精度操作与打断对话框。后台条件里有「User activity」窗口持续打字；全通过需任务完成、仅 GUI，且八项打扰准则均不触发。Cua 披露自研 cua-driver，并声明优先引用 Scale 独立跑数。

权威 Benchmark 与实测跑分对比

以下为厂商/Scale 公开口径，非本站复现。macOS 后台全通过：cua-driver 23/40（约 58%）、agent-desktop 8/40（约 20%）、browser-use 1/40（约 3%）；Codex Computer Use（Cua 自跑）13/40（约 33%），与 cua-driver 区间边缘重叠。前台 macOS：cua-driver 39/50（约 78%）。Windows（Cua）cua-driver 11/40（约 28%）；Ubuntu XFCE 约 13%，模态对话框常抢走键盘。

开发者实战落地与开箱指南

先读 GitHub 上的 blog/cua-driver-bench.md 与 libs/cua-driver-bench；Scale 轨迹与回放在 HF Space/数据集 earakely-scale/CuaDriverBench-AgentEnv。选型时优先看后台全通过率与打扰拆分，勿只看前台完成率；hover 与后台拖拽仍受操作系统原语限制，需关注平台缺口。