CUAWright

CUAWright är ett ramverk för AI-agenter som ska utföra uppgifter i en webbläsare eller på en dator. Vanligtvis styr sådana agenter datorn genom att titta på skärmen och klicka och skriva som en människa. I CUAWright får AI-modellen i stället bara en terminal, där den skriver och kör kod som styr webbläsaren eller skrivbordet. Agenten sparar sina skript, loggar och skärmbilder som filer, kontrollerar själv resultatet och kan återanvända skripten. Hela ramverket är ungefär 3 000 rader kod och hette tidigare Webwright.

Forskarnas poäng är att AI-modeller blivit så bra på att programmera att det lönar sig att låta dem bygga sina egna verktyg. Enligt artikeln ger CUAWright 33,2 procent bättre resultat och 37,5 procent lägre beräknad kostnad på testsviten OSWorld 2.0 än ett publicerat resultat för GPT-5.5. Med GPT-5.6 Sol når den 67,9 procent på OSWorld-V2. På webbtesterna Online-Mind2Web och Odysseys lyckas den 4,7 respektive 44,0 procentenheter oftare än en agent som klickar i gränssnittet, och på CAD-testerna CADGenBench och BenchCAD blir den 8,1 till 41,6 procent bättre än andra terminalbaserade ramverk.

Artikeln publicerades på arXiv den 2 oktober 2026, och koden finns på GitHub. Projektsidan anger kostnaden per uppgift på två olika sätt utan att förklara skillnaden.