CUA-Lite เปิดโค้ดแพลตฟอร์มเดียวสำหรับ computer-use agent — ตัด VM ทิ้งเหลือ Docker ลด RAM จาก 4.1 GB เหลือ 0.9 GB ต่องาน แต่รีโปยังไม่มีไฟล์ LICENSE

งานสร้างเอเจนต์ที่ควบคุมคอมพิวเตอร์ (computer-use agent หรือ CUA) ติดคอขวดเดียวกันมาตลอด: ถ้าจะวัดผลหรือเทรน คุณต้องมีเดสก์ท็อปจริง ๆ เป็นร้อยเครื่อง และ OSWorld ซึ่งเป็นเบนช์มาร์กมาตรฐานให้เดสก์ท็อปจริงมาในรูปของ virtual machine เต็มตัว — ต้องมี /dev/kvm ต้องมี nested virtualization และกิน ~6 GB ต่อ Ubuntu.qcow2 หนึ่งก้อน ซึ่งเป็นสิ่งที่คลาวด์อินสแตนซ์ทั่วไป CI runner และคอนเทนเนอร์ซ้อนคอนเทนเนอร์แทบไม่มีให้

CUA-Lite เป็นแพลตฟอร์มเปิดที่พยายามแก้ทั้งกองนี้ในทีเดียว: รวมแซนด์บ็อกซ์ ชุดข้อมูล การประเมิน SFT และ RL ของ CUA เข้าไว้ใน action space เดียวและสคีมาข้อมูลเดียว ครอบคลุมทั้งเดสก์ท็อป เบราว์เซอร์ และมือถือ โค้ดขึ้น GitHub เป็นสาธารณะด้วยคอมมิตเดียวชื่อ “Initial public CUA-Lite release” เมื่อ 31 ส.ค. 2026 เวลา 14:49 UTC และถูกพุชล่าสุด 4 ก.ย. ก่อนจะเริ่มถูกพูดถึงในสัปดาห์นี้ — นี่จึงเป็นการตามเก็บของที่เพิ่งเปิด ไม่ใช่การเปิดตัววันนี้

Lite.OSWorld: เอา VM ออก เก็บเดสก์ท็อปไว้

ตัวเลขที่ทำให้โปรเจกต์นี้น่าสนใจอยู่ที่ Lite.OSWorld ซึ่งย้าย OSWorld ทั้งชุดจาก QEMU/KVM มาอยู่บนคอนเทนเนอร์ Docker ที่รัน GNOME Shell แทน โดยยืนยันว่าใช้ งานและตัวประเมินชุดเดียวกัน ไม่ได้ทำใหม่ ตัวเลขจากบล็อกของทีมเอง (ลงวันที่ 23 ก.ค. 2026 โดย Zhanhui Zhou และ Haoran Liu):

	OSWorld เดิม	Lite.OSWorld
รันไทม์	QEMU/KVM VM	Docker container
ข้อกำหนดของโฮสต์	/dev/kvm, nested virt	โฮสต์ Docker ใดก็ได้
หน่วยความจำ	4.1 GB	0.9 GB
Cold start	29.9 วิ	23.8 วิ
ความขนาน	เส้นฐาน	~4.6 เท่า

ทีมระบุว่าทดสอบกับโมเดล 13 ตัวแล้วคะแนนบนคอนเทนเนอร์ตรงกับบน VM ซึ่งเป็นเงื่อนไขที่จำเป็น — ถ้าคะแนนไม่ตรง สัญญาณที่ได้จากการเทรนในคอนเทนเนอร์ก็เอากลับไปใช้กับเบนช์มาร์กจริงไม่ได้ ในฝั่งข้อมูล README ของ lite.osworld แจกแจงว่า split eval มี 369 งาน (บางข้อติดแท็ก exclude_reason เพราะทำไม่ได้จริง ต้องล็อกอิน Google หรือเว็บจริงเปลี่ยนไปแล้ว — ต้องกรองออกก่อนคิดคะแนน) ส่วน split train มี 2,429 งาน ที่ถูกสร้างขึ้นเองแบบมีรางวัลตรวจสอบได้ (1,722 งานสังเคราะห์ + 707 งานที่แปรจากข้อ eval)

รวมทั้งแพลตฟอร์มโฆษณาไว้ที่ งานตรวจสอบได้ 30,000+ ข้อ, เบนช์มาร์ก 15+ ตัว, เอเจนต์สำเร็จรูป 10+ ตัว (ตั้งแต่ gpt-5.5, claude-opus-4-8, gemini-3.6-flash ไปจนถึง Qwen3-VL, UI-TARS, Fara-7B, MAI-UI, EvoCUA) และชุดข้อมูล SFT 10+ ชุดบน Hugging Face ที่แปลงให้อยู่ในสคีมา LiteSample เดียวกันหมด บวกกับ rollout สด ๆ ที่ทีมรันเองด้วย GPT-5.5 เป็นครู

ตัวอย่างที่รันได้จริง และตัวเลขที่ควรอ่านให้ครบ

README ให้เส้นทางที่จับต้องได้: SFT Qwen3-VL-2B-Instruct บนชุด Lite.ScaleCUA แล้ววัดกลับบน lite.osworld — ผลที่ทีมรายงานคือ mean_episode_return ขึ้นจาก 0.138 เป็น 0.237 บน eval split 332 งานที่ผ่านการกรอง ส่วนฝั่ง RL มีสูตร GRPO บน Slime ที่เทรนบน MobileGym (416 งานมือถือครอบ 28 แอป) ด้วย 2 GPU

แต่มีสามอย่างที่พาดหัวว่า “eval, SFT, and RL any agent” ไม่ได้บอก:

หนึ่ง — “any agent” ใช้ได้ครบเฉพาะตอน eval. ในซอร์ส HTML ของหน้าโปรเจกต์มีคอมเมนต์กำกับทีมเขียนเว็บทิ้งไว้ตรง ๆ ว่าโมเดลน้ำหนักปิด (gpt, claude) ฟายน์จูนหรือทำ RL ไม่ได้ และสั่งไว้ว่า “Never write unqualified ‘SFT and RL any agent’” นั่นคือคำเตือนที่ถูกต้องและควรอยู่ในหน้าเว็บมากกว่าอยู่ในคอมเมนต์ — คนที่ตั้งใจจะกลั่น GPT-5.5 ลงโมเดลเปิดใช้ได้ แต่คนที่หวังจะเทรน GPT หรือ Claude เองไม่ได้

สอง — หลักฐานฝั่ง RL ถูกคอมเมนต์ปิดไว้. ลิงก์กราฟการเทรน W&B ในหัวข้อ GRPO ของ README อยู่ในบล็อก <!-- --> คือมีสูตรและไฮเปอร์พารามิเตอร์ให้ครบ แต่กราฟผลลัพธ์ยังไม่ได้เผยแพร่ ต่างจากฝั่ง SFT ที่ให้ตัวเลขก่อน-หลังมาชัด ๆ

สาม — ยังไม่มีไฟล์ LICENSE. รีโปมี README.md, AGENTS.md, CLAUDE.md, pyproject.toml ครบ แต่ LICENSE คืน 404 และ GitHub API รายงานค่า license เป็น null ในทางกฎหมายโค้ดที่เผยแพร่โดยไม่ระบุสัญญาอนุญาตคือ “สงวนสิทธิ์ทั้งหมด” โดยปริยาย — อ่านได้ แต่การนำไปใช้ ดัดแปลง หรือแจกจ่ายต่อยังไม่มีอะไรรองรับ สำหรับโปรเจกต์ที่ขายตัวเองด้วยคำว่า “open platform” นี่คือช่องว่างที่ต้องปิดก่อน ไม่ใช่รายละเอียดปลีกย่อย (ชุดข้อมูลบน Hugging Face เป็นคนละเรื่อง ต้องดูสัญญาอนุญาตของแต่ละชุดแยกกัน เพราะหลายชุดเป็นการแปลงชุดข้อมูลของทีมอื่นมา)

นอกจากนี้ รายงานข่าวบางแห่งระบุว่าเป็นผลงานของนักวิจัย UC Berkeley แต่ทั้งหน้าโปรเจกต์ บล็อก และ README ไม่ได้ระบุสังกัดสถาบันไว้เลย — บอกเพียงว่า Lambda สนับสนุนเครดิตคอมพิวต์บางส่วน ใครจะอ้างอิงงานนี้ควรอ้างตาม BibTeX ที่รีโปให้มาซึ่งใช้ชื่อ “CUA-Lite Contributors”

มุมมอง AI Curator

คุณค่าที่แท้จริงของ CUA-Lite ไม่ใช่คะแนนบนลีดเดอร์บอร์ด แต่คือการลดค่าเข้าเล่นของสนามนี้ ที่ผ่านมาการทำวิจัย CUA แทบผูกขาดอยู่กับทีมที่มีคลัสเตอร์ที่เปิด nested virtualization ได้ ซึ่งเป็นสิทธิ์ที่คลาวด์ราคาถูกและเครื่องในออฟฟิศส่วนใหญ่ไม่ให้ ตัวเลข 4.1 GB → 0.9 GB ต่อหนึ่งเดสก์ท็อปแปลตรง ๆ ว่าเครื่อง 64 GB ที่เคยรันได้ราวสิบกว่างานพร้อมกันจะรันได้หลายสิบงาน และข้อกำหนด “โฮสต์ Docker ใดก็ได้” แปลว่ารันบน CI ได้ ซึ่งเปลี่ยนการวัดผล CUA จากงานที่ต้องจองเครื่องเป็นงานที่แปะเข้าไปในไปป์ไลน์ได้

สำหรับทีมไทย นี่เป็นหนึ่งในไม่กี่หัวข้อ AI ที่ยังแข่งได้โดยไม่ต้องมี GPU ระดับพันใบ เพราะโจทย์ที่มีค่าที่สุดของ CUA ในบ้านเราไม่ใช่การกดปุ่มใน LibreOffice ภาษาอังกฤษ แต่คือระบบราชการและระบบธนาคารที่ยังเป็นเว็บฟอร์มไทยและโปรแกรมเดสก์ท็อปเก่า ๆ ซึ่งไม่มีใครในโลกมีข้อมูลเทรนอยู่แล้ว การที่ CUA-Lite เปิดสคีมา LiteSample และเรียกร้องให้คนส่งแซนด์บ็อกซ์เข้ามา หมายความว่าถ้าทีมไทยทีมใดสร้างสภาพแวดล้อมของงานเอกสารไทยที่มีรางวัลตรวจสอบได้ ก็จะกลายเป็นทรัพย์สินที่โมเดลรุ่นถัดไปเทรนต่อได้ทันที — ต้นทุนของงานแบบนี้คือเวลาและความเข้าใจโดเมน ไม่ใช่คอมพิวต์

ข้อควรระวังที่จะพูดตรง ๆ คือ อย่าเพิ่งเอาโค้ดชุดนี้เข้าโปรเจกต์เชิงพาณิชย์จนกว่าไฟล์ LICENSE จะขึ้น การรวมงานของทีมอื่นสิบกว่าชุดเข้ามาไว้ในที่เดียวโดยยังไม่ประกาศสัญญาอนุญาตของตัวเอง เป็นความเสี่ยงที่ตกอยู่กับผู้ใช้ปลายทางล้วน ๆ ทดลอง เรียนรู้ และเปิด issue ถามเรื่องสัญญาอนุญาตได้เลย แต่ยังไม่ควรใส่ลงในสิ่งที่จะส่งลูกค้า

แหล่งข่าว

• CUA-Lite — GitHub repository
• VM-free OS(World), at scale — บล็อก CUA-Lite, 23 ก.ค. 2026
• Why CUA-Lite — and a call for contributors
• ชุดข้อมูล CUA-Lite บน Hugging Face