Cua encaixa o Jev no computer use — jev-use e CUA-S1-FORMS
Em 19 de setembro de 2026, a @trycua publicou o article no X Jev, System One models, and the future of computer use (Dillon Dupont e Francesco). É um dos textos mais claros da categoria desde o lançamento: quanto do loop de computer use ainda precisa de um LLM generalista depois que o app já conhece as ações permitidas.
O loop que eles descrevem: a aplicação observa o estado e monta ações candidatas com IDs; um decision model pontua; o app valida, executa via Cua Driver e observa de novo. Score alto não prova que o clique funcionou — calibração fala de muitos exemplos, não desta ação isolada.
Duas peças concretas:
| Peça | O que é |
|---|---|
| jev-use | Recipe em public preview ligando Jev hosted da TypeSafe ao Cua Driver. O Jev escolhe um ID; não inventa tools, coordenadas nem argumentos. Tem caminho mock determinístico e caminho live com BYOK. |
| CUA-S1-FORMS | Primeiro modelo da família de pesquisa CUA-S1: ~706k parâmetros treináveis (~2,8 MB no checkpoint), pesos/dados/código MIT. Pontua elementos de formulário (usar valor fornecido / check / click / skip) em batch. Usa ideias do jevlike — não é fine-tune do Jev nem a stack de calibração da TypeSafe. |
Eles também esboçam (mas não embarcam) um caminho de percepção em que algo como o OmniParser transforma screenshot em regiões de texto antes de um decision model só-texto pontuar candidatos.
UnverifiedClaim / higiene: os números iniciais do Dillon no form task (specialist ~99,7% de acurácia de decisão vs Jev hosted ~83,6%; scoring local ~7–9 ms vs ida e volta hosted ~260–280 ms) são estreitos e medem boundaries diferentes — trate como experimento do vendor, não benchmark do ModelSystem.One. O próprio artigo avisa contra ler Kahneman como taxonomia de modelos.
Fonte: x.com/trycua/status/2101437979180904640. Código em trycua/cua.