Xenon Hunmin VLM 397B É Aberto, mas Qwen-CUA Ainda Vence o Teste Mais Difícil

A Xenon lançou o Hunmin VLM 397B como código aberto, oferecendo a um modelo de 397 bilhões de parâmetros novas capacidades de controle de computadores após treinamento em oito GPUs Nvidia B200. O lançamento disponibiliza reconhecimento de tela, cliques, digitação e trabalho de desktop em múltiplas etapas sob uma licença Apache 2.0. No entanto, os próprios resultados da Xenon revelam uma divisão importante entre reconhecer elementos de interface e concluir tarefas mais longas.

O Xenon Hunmin VLM 397B marcou 75,6 no ScreenSpot-Pro, um benchmark que mede se um modelo consegue localizar alvos de interface em aplicações profissionais. Segundo a empresa, esse resultado o colocou em segundo lugar no leaderboard do Hugging Face do benchmark quando o modelo foi lançado. Ele também superou tanto seu modelo-base Qwen3.5 quanto o Qwen-CUA em cinco avaliações reportadas de grounding de interface.

A hierarquia muda quando o teste passa de localizar um botão para concluir todo um fluxo de trabalho. A Xenon reporta uma pontuação de 70,5 em sua avaliação OSWorld de 360 tarefas, em comparação com 77,1 do Qwen-CUA na mesma configuração reproduzida. Essa diferença torna o lançamento mais revelador do que um simples anúncio de leaderboard.

O Hunmin é uma evidência de que uma empresa pode transferir uma capacidade especializada para um enorme modelo aberto com um cluster de treinamento relativamente pequeno. Não é evidência de que a precisão visual, por si só, produza o agente de computador mais confiável. Para desenvolvedores e compradores corporativos, essa distinção importa mais do que a contagem de parâmetros em destaque no modelo.

Xenon Hunmin VLM 397B Adiciona Controle de Computadores ao Qwen3.5

O lançamento transforma um modelo multimodal geral em um modelo aberto de uso de computador sem retreinar toda a sua base de 397 bilhões de parâmetros.

A Xenon, também conhecida internacionalmente como GenON, lançou o modelo em 18 de setembro de 2026. A empresa publica seus modelos por meio da organização mncai no Hugging Face. Seu novo repositório inclui o modelo de precisão total, uma versão FP8, resultados de avaliação e orientações de implementação.

O Hunmin parte do Qwen3.5-397B-A17B, um modelo aberto de mixture-of-experts da equipe Qwen, da Alibaba. Ele tem 397 bilhões de parâmetros totais, mas ativa cerca de 17 bilhões a cada passagem direta. Esse design oferece a capacidade de conhecimento de um modelo muito grande sem usar todos os parâmetros para cada token.

O lançamento original do Qwen3.5 introduziu processamento multimodal nativo para texto, imagens e vídeo. A Xenon manteve essa base enquanto adicionava capacidades de uso de computador. Essas habilidades permitem que o modelo interprete capturas de tela, produza coordenadas e decida qual ação de interface deve ocorrer em seguida.

O nome público completo do modelo é Hunmin-397B-A17B-CUA. CUA significa agente de uso de computador, um sistema que realiza tarefas por meio de interfaces gráficas usadas por pessoas. Em vez de depender apenas de uma API de site, esse modelo pode operar navegadores, aplicações de escritório e software de desktop por meio de controles visíveis.

Essa abordagem amplia o trabalho anterior da Xenon com Hunmin. A empresa lançou o Hunmin 32B em 2025 e o seguiu com o Hunmin VLM 235B no início de 2026. Sua linha do tempo corporativa também conecta a série Hunmin ao OneAgent, um produto corporativo de IA orientado a ações.

A Xenon afirma que o novo modelo preserva a maior parte do desempenho em língua coreana do Qwen3.5. Em oito benchmarks coreanos reportados, suas pontuações permaneceram a aproximadamente dois pontos do modelo-base. Vários resultados individuais subiram ligeiramente, enquanto outros caíram.

Esse equilíbrio é estrategicamente importante para a Xenon. Um modelo de uso de computador que perde capacidade linguística em excesso pode ter dificuldades com instruções, documentos e interfaces localizadas. Manter o desempenho em coreano dá à empresa uma posição corporativa mais clara do que a de um modelo otimizado apenas para tarefas web em inglês.

O model card público fornece mais detalhes do que as manchetes de lançamento. Ele identifica os dados de treinamento, a pilha de software, a configuração de hardware, as configurações de comparação e os limites conhecidos da avaliação. Também rotula os resultados de referência como reproduzidos pelos autores, e não como pontuações reportadas pelos provedores.

Essa divulgação aumenta a utilidade do lançamento. Os desenvolvedores podem ver quais comparações compartilham a mesma configuração, em vez de combinar números incompatíveis de leaderboards não relacionados. Ela também expõe o trade-off que define a posição atual do Hunmin.

Oito GPUs B200 Sustentaram o Trabalho de Pós-Treinamento

A alegação mais relevante da Xenon diz respeito à eficiência de treinamento, não à contagem total de parâmetros do modelo.

Treinar do zero um modelo-base de 397 bilhões de parâmetros exigiria muito mais do que oito GPUs. A Xenon não tentou fazer isso. Ela transferiu uma capacidade existente de uso de computador para o Qwen3.5 e, em seguida, refinou o modelo resultante por meio de aprendizado supervisionado e aprendizado por reforço.

A primeira etapa usou o Qwen-CUA como fonte do comportamento de controle de computador. A Xenon calculou as diferenças de parâmetros entre o Qwen-CUA e seu checkpoint-base Qwen3.5 correspondente. Depois, aproximou essas diferenças por meio de decomposição em valores singulares truncada, um método matemático para comprimir uma grande matriz em componentes de menor posto.

Essas diferenças comprimidas se tornaram adaptadores no estilo LoRA. LoRA, ou adaptação de baixo posto, representa uma atualização do modelo com matrizes treináveis menores, em vez de alterar cada peso original de forma independente. A Xenon integrou esses adaptadores ao checkpoint maior Qwen3.5-397B-A17B.

Essa técnica importa porque o fine-tuning convencional se torna difícil à medida que um modelo cresce. Estados do otimizador, gradientes, ativações e pesos do modelo consomem memória de GPU. Atualizar uma representação limitada de baixo posto reduz a quantidade de dados treináveis e a carga de memória associada.

A Xenon então quantizou o checkpoint transferido para FP8. O FP8 armazena muitos valores numéricos com oito bits, reduzindo o uso de memória em comparação com formatos de 16 bits. A equipe realizou pós-treinamento adicional por meio de FP8 QLoRA, fine-tuning supervisionado e aprendizado por reforço de agentes.

O fine-tuning supervisionado ensinou o modelo a partir de exemplos contendo as ações de interface desejadas. O aprendizado por reforço de agentes então recompensou comportamentos bem-sucedidos em ambientes de computador. A Xenon identifica o GRPO, ou Group Relative Policy Optimization, como o método de reforço utilizado durante essa etapa.

A pilha de treinamento incluiu MS-Swift, Ray, Megatron-Core e vLLM. A Xenon nomeia o ScaleCUA-Data, da OpenGVLab, como seu conjunto de dados supervisionado. Também lista ScaleCUA e CUA-Gym como ambientes de aprendizado por reforço.

Segundo a Xenon, o processo completo de pós-treinamento foi executado em oito GPUs Nvidia B200. Essa afirmação não significa que o modelo-base completo tenha sido criado em oito aceleradores. Significa que as etapas de transferência de capacidade e pós-treinamento usaram esse cluster depois que a Qwen já havia construído o modelo-base.

Essa distinção impede que um resultado impressionante de engenharia se transforme em uma comparação enganosa de computação. A Xenon se beneficiou do modelo original da Qwen, do checkpoint especializado Qwen-CUA, de conjuntos de dados de treinamento abertos e de software de otimização consolidado. Sua contribuição está em combinar esses componentes de forma eficiente e adaptá-los às capacidades desejadas.

O método oferece um possível modelo para fornecedores menores de IA. Em vez de financiar um novo modelo-base, uma empresa pode começar com um checkpoint aberto e adicionar uma habilidade operacional específica. Em seguida, pode gastar recursos computacionais limitados em dados de tarefas, avaliação e reforço, em vez de repetir o pré-treinamento geral.

Esse caminho também reduz a distância entre o trabalho acadêmico e modelos corporativos implantáveis. Uma equipe pode se concentrar em aplicações, idiomas locais e ambientes controlados. O modelo resultante ainda pode herdar amplas capacidades visuais e linguísticas de sua base.

No entanto, o modelo continua exigente no momento da inferência. Uma arquitetura mixture-of-experts ativa apenas parte de seu conjunto de parâmetros, mas todos os 397 bilhões de pesos ainda exigem armazenamento. A versão FP8 da Xenon reduz aproximadamente pela metade as necessidades de armazenamento, mas a implantação ainda requer uma infraestrutura séria com múltiplas GPUs.

Portanto, a alegação de treinamento com oito GPUs não deve ser interpretada como uma promessa de implantação com oito GPUs. Treinar adaptadores e servir um modelo integrado apresentam requisitos de recursos diferentes. Equipes corporativas devem avaliar capacidade de memória, largura de banda de interconexão, latência, concorrência e consumo de energia antes de escolher essa arquitetura.

O Reconhecimento de Tela É a Vantagem Mais Clara do Hunmin

Os resultados mais fortes do Hunmin mostram que ele pode identificar alvos de interface, especialmente em telas profissionais densas.

O grounding de interface gráfica vincula uma instrução escrita a um local específico em uma captura de tela. Se um usuário pedir a um agente que selecione uma fórmula de planilha, o modelo deverá encontrar a célula ou o controle da barra de ferramentas relevante. Um pequeno erro de coordenada pode levar o agente ao menu errado ou alterar o arquivo errado.

O ScreenSpot-Pro testa essa capacidade em aplicações profissionais de alta resolução. Suas tarefas incluem interfaces mais densas e menos tolerantes do que sites de consumo típicos. O benchmark ScreenSpot-Pro foi projetado porque testes de grounding anteriores não representavam adequadamente softwares especializados de desktop.

A Xenon reporta um resultado de 75,6 com inferência de visualização única e 76,6 com um método de zoom. Suas pontuações reproduzidas para o modelo-base Qwen3.5 foram 72,7 e 75,1, respectivamente. O Qwen-CUA marcou 62,2 sem zoom e 71,9 com zoom no mesmo ambiente reportado.

O Hunmin também marcou 96,2 no ScreenSpot-v2, em comparação com 95,2 de seu modelo-base e 95,0 do Qwen-CUA. No OSWorld-G, uma avaliação focada em grounding, alcançou 79,9. Na versão refinada OSWorld-G-R, marcou 86,8.

O model card afirma que esses resultados de grounding lideraram o grupo de comparação avaliado pela Xenon em sua configuração reproduzida. Essa formulação é importante. Ela não estabelece liderança permanente em todos os modelos, configurações de avaliação ou submissões posteriores.

Os resultados reportados ainda mostram um padrão coerente. O Hunmin melhora a percepção de interface em vários testes, em vez de depender de um único número favorável. Sua maior vantagem sobre o Qwen-CUA aparece no ScreenSpot-Pro, onde a diferença chega a 13,4 pontos na configuração da Xenon.

Para software corporativo, essa força tem valor prático. Interfaces densas continuam comuns em sistemas contábeis, plataformas de gestão de relacionamento com clientes, ambientes de desenvolvimento e ferramentas internas de administração. Muitos desses produtos oferecem APIs incompletas ou exigem ações que atravessam estados visíveis da interface.

Um modelo com grounding também pode trabalhar com aplicações antigas que nunca foram projetadas para integração com IA. Ele consegue identificar controles a partir de pixels e rótulos, em vez de depender de elementos estruturados de páginas web. Isso oferece cobertura mais ampla, embora também crie desafios de confiabilidade e segurança.

A Xenon instrui os usuários a fornecer capturas de tela em resolução nativa e normalizar coordenadas em uma faixa de zero a 1.000. As coordenadas resultantes devem então ser dimensionadas para a largura e a altura reais da tela. Esses detalhes podem afetar materialmente a precisão dos cliques.

O modelo também usa um limite de histórico visual de cinco capturas de tela em suas avaliações reportadas de uso de computador. A Xenon afirma que um histórico mais próximo de 20 imagens pode aumentar o uso de memória e o custo de inferência. A janela menor reflete uma escolha de implantação, não apenas uma escolha de benchmarking.

Limitar o histórico visual pode manter os custos de serviço mais administráveis. Também pode deixar um agente com menos evidências sobre ações, diálogos ou estados de página anteriores. Essa tensão se torna mais importante à medida que uma tarefa se prolonga.

Um único clique preciso não exige memória extensa. Concluir um fluxo de trabalho de 30 etapas exige. Essa diferença explica por que as fortes pontuações de grounding do Hunmin não se traduzem automaticamente em liderança em tarefas completas de computador.

Qwen-CUA Ainda Lidera em Tarefas de Computador de Ponta a Ponta

O resultado central é uma decisão dividida: Hunmin enxerga melhor os alvos da interface, enquanto Qwen-CUA conclui mais tarefas de longo horizonte.

OSWorld avalia agentes em aplicações reais de computador, em vez de testar coordenadas isoladas. As tarefas podem envolver navegadores, operações com arquivos, clientes de e-mail, editores de imagem, ferramentas de documentos e múltiplas aplicações. O agente precisa observar um estado, escolher uma ação, se recuperar de mudanças e continuar até a conclusão.

O benchmark OSWorld oficial reuniu originalmente 369 tarefas de computador com estados iniciais reproduzíveis e avaliação baseada na execução. A Xenon usou uma configuração de 360 tarefas para os resultados em seu model card. A empresa informa que todos os modelos comparados usaram o mesmo limite de histórico visual de cinco imagens.

Hunmin obteve 70,5 nessa avaliação. O modelo base Qwen3.5 alcançou 48,2, o que representa um ganho de 22,3 pontos para Hunmin. Trata-se de uma melhoria substancial e que sustenta a afirmação da Xenon de que seu pós-treinamento acrescentou comportamento significativo de controle de computador.

Ainda assim, Qwen-CUA marcou 77,1 na mesma configuração reproduzida, liderando Hunmin por 6,6 pontos. WindowsAgentArena apresenta a mesma ordem. Hunmin marcou 50,9, 9,1 pontos acima dos 41,8 do modelo base, enquanto Qwen-CUA chegou a 57,3.

Os resultados não invalidam os ganhos de grounding do Hunmin. Eles mostram que um agente precisa de mais do que direcionamento visual preciso. Ele deve planejar, acompanhar o progresso, gerenciar erros, entender o estado da aplicação e evitar ações que descarrilem o fluxo de trabalho.

Considere um agente solicitado a atualizar valores em uma planilha e enviar o resultado por e-mail. Ele pode localizar corretamente cada menu, célula e botão. Ainda assim, pode falhar ao editar a pasta de trabalho errada, aplicar uma fórmula ao intervalo incorreto ou anexar um arquivo desatualizado.

Tarefas mais longas acumulam pequenos erros. Um erro inicial altera as capturas de tela posteriores e invalida o plano original. O modelo precisa detectar essa divergência e se recuperar, em vez de continuar com confiança pelo caminho errado.

Os resultados de treinamento do Hunmin revelam de onde veio parte da melhoria. A Xenon afirma que seu checkpoint com transferência de capacidades alcançou 66,2 no OSWorld antes do treinamento posterior. O ajuste fino supervisionado e o aprendizado por reforço elevaram essa pontuação para 70,5, um ganho adicional de 4,3 pontos.

Essa progressão sustenta o valor do método da Xenon. A transferência de capacidades forneceu grande parte da habilidade inicial de uso do computador, enquanto o pós-treinamento específico para tarefas a aprimorou. No entanto, a vantagem restante do Qwen-CUA sugere que parte do comportamento foi comprimida de forma imperfeita ou mudou durante a integração.

O objetivo voltado ao idioma coreano também pode moldar essa troca. Hunmin preserva o desempenho em oito benchmarks coreanos melhor do que Qwen-CUA em várias comparações. A Xenon não otimizou apenas para a maior pontuação possível no OSWorld.

Por exemplo, Hunmin marcou 76,1 no KMMLU-Pro, em comparação com 71,4 do Qwen-CUA. Também alcançou 80,3 no K-MMStar, contra 75,0. Esses resultados sugerem um perfil multilíngue mais equilibrado, embora continuem sendo avaliações reproduzidas pela própria empresa.

Esse equilíbrio pode importar para empresas coreanas. Um modelo precisa compreender instruções locais, documentos, terminologia e interfaces de usuário antes que sua habilidade de clicar se torne útil. Uma pontuação mais alta de agente centrado no inglês não resolve todas as decisões de compra.

Ainda assim, a Xenon não deve apresentar liderança em grounding como equivalente à liderança geral em uso de computador. Seu model card evita esse erro ao publicar a comparação desfavorável no OSWorld. A cobertura do lançamento é menos útil quando enfatiza o segundo lugar no ScreenSpot-Pro sem explicar a lacuna de ponta a ponta.

Para compradores, a comparação correta depende da carga de trabalho pretendida. Um fluxo de trabalho dominado por direcionamento em interfaces densas pode favorecer o perfil do Hunmin. Uma sequência mais longa, que exige recuperação e planejamento, pode expor sua fraqueza atual diante do Qwen-CUA.

A abertura do modelo oferece outra opção às equipes. Desenvolvedores podem inspecionar o lançamento, adaptá-lo e executar avaliações controladas em seu próprio software. Essa flexibilidade é valiosa, mas não elimina a necessidade de testes específicos para cada aplicação.

Pesos Abertos Não Eliminam o Risco de Implantação

O acesso sob Apache 2.0 melhora o controle, mas um modelo de uso de computador disponível para download continua longe de ser um trabalhador autônomo seguro.

A Xenon lançou tanto o modelo original quanto uma variante FP8 sob Apache 2.0. Essa licença geralmente permite uso comercial, modificação e redistribuição, sujeita às suas condições. Ela dá às empresas mais liberdade de implantação do que um agente fechado disponível apenas por meio de uma interface hospedada.

O acesso aberto também permite avaliação privada. Uma empresa pode testar Hunmin em aplicações internas sem enviar capturas de tela a um provedor terceirizado de modelos. As equipes podem medir seu comportamento em linguagem local, formulários especializados e fluxos de trabalho específicos da organização.

No entanto, o acesso ao modelo é apenas uma camada de um sistema de uso de computador. Um agente de produção ainda precisa de um runtime, controlador de ações, modelo de permissões, trilha de auditoria, estratégia de credenciais e processo de recuperação. Também precisa de defesas contra instruções maliciosas incorporadas em páginas da web ou documentos.

Um modelo de uso de computador pode interagir com tudo aquilo a que a conta do sistema operacional tiver acesso. Isso pode incluir e-mail, registros de clientes, armazenamento em nuvem, painéis internos e aplicações financeiras. Uma ação equivocada pode ter consequências que uma resposta incorreta de chatbot não teria.

Benchmarks de grounding de tela oferecem pouca evidência sobre autorização ou intenção. Localizar o botão correto de “Excluir” é tecnicamente bem-sucedido mesmo quando pressioná-lo violaria uma política. O agente ao redor deve decidir se a ação é permitida e se exige aprovação humana.

As tarefas de benchmark também começam a partir de estados controlados. Desktops reais acumulam notificações, atualizações de software, extensões de navegador, sessões expiradas, layouts personalizados e tamanhos de janela inconsistentes. Essas variações podem mudar tanto o que o modelo vê quanto o que uma ação faz.

A Xenon reconhece várias limitações de avaliação. A empresa afirma que os resultados dependem da resolução das capturas de tela, das configurações de raciocínio, dos limites de interação, do software de serving e das versões do benchmark. Também alerta contra comparar diretamente suas pontuações com resultados produzidos usando históricos de capturas de tela muito mais longos.

Essa cautela deve orientar como os leitores interpretam cada número do lançamento. A empresa reproduziu modelos de referência em seu próprio ambiente. Isso cria uma comparação interna mais justa, mas equipes independentes ainda não replicaram amplamente os resultados.

A posição no ranking apresenta outra incerteza. As classificações do ScreenSpot-Pro podem mudar à medida que novos modelos e métodos de inferência surgem. Um resultado de segundo lugar no lançamento é um retrato datado, não um status permanente.

A escala de parâmetros também introduz risco operacional. Mesmo com quantização FP8 e ativação esparsa, as organizações precisam de infraestrutura adequada. Um modelo especializado menor pode oferecer precisão suficiente com menor latência, implantação mais simples e ajuste fino mais fácil.

Portanto, as equipes devem comparar sistemas no nível do fluxo de trabalho. Medidas úteis incluem taxa de conclusão, frequência de intervenção, número médio de etapas, sucesso de recuperação, latência e a gravidade das ações malsucedidas. Uma única pontuação agregada de benchmark não consegue capturar todas essas dimensões.

O mesmo princípio se aplica ao trabalho de conhecimento que envolve as operações de agentes. As equipes precisam de registros pesquisáveis de instruções, resultados, exceções e decisões humanas. Uma base de conhecimento de IA controlada pode ajudar revisores a reconstruir por que uma tarefa automatizada produziu determinado resultado.

Isso não torna um agente seguro por si só. Cria evidências para revisão, depuração e aprimoramento de políticas. Sistemas de uso de computador se tornam mais fáceis de governar quando suas ações permanecem conectadas aos documentos e decisões que as autorizaram.

O lançamento da Xenon merece crédito por publicar limitações e comparações desfavoráveis ao lado de suas pontuações mais fortes. Essa transparência permite que desenvolvedores façam perguntas melhores. O próximo passo é um teste independente que meça tanto a capacidade quanto as consequências das falhas.

Três Sinais Mostrarão se Hunmin Pode Fechar a Lacuna

A relevância de Hunmin agora depende de reprodução independente, melhores resultados de longo horizonte e adoção além de um repositório de modelos.

O primeiro sinal é a replicação independente dos benchmarks. Pesquisadores externos precisam executar Hunmin, Qwen3.5 e Qwen-CUA sob o mesmo hardware, histórico de capturas de tela, configurações de raciocínio e estrutura de tarefas. Resultados semelhantes reforçariam a afirmação da Xenon de que a transferência de baixo posto preservou capacidades úteis de controle de computador.

A replicação deve abranger mais do que o ScreenSpot-Pro. Pesquisadores devem testar grounding, conclusão completa de tarefas, recuperação, latência e consumo de recursos. Também devem publicar categorias de falhas, não apenas pontuações agregadas.

Se execuções independentes reproduzirem o resultado de grounding de 75,6 e a pontuação de 70,5 no OSWorld, a confiança na avaliação da Xenon aumentará. Grandes desvios enfraqueceriam a narrativa de lançamento e apontariam para sensibilidade à configuração.

O segundo sinal é se a Xenon reduz a lacuna de longo horizonte em relação ao Qwen-CUA. Seu modelo atual já encontra alvos com precisão, portanto os próximos ganhos precisam vir de planejamento e gerenciamento de estado. Melhor memória, ambientes de reforço mais robustos ou recuperação de erros aprimorada poderiam elevar a conclusão de ponta a ponta.

Um checkpoint futuro deveria reduzir o déficit reportado de 6,6 pontos no OSWorld sem sacrificar o desempenho em coreano. Esse resultado sustentaria o argumento da Xenon de que um pós-treinamento eficiente pode produzir um modelo de uso de computador equilibrado e prático. Melhorias apenas no grounding deixariam a limitação central sem solução.

O terceiro sinal é a implantação dentro do OneAgent ou de outro produto empresarial. Um checkpoint público demonstra acesso técnico, mas o uso em produto revela se o modelo resiste às restrições de latência e às interfaces imprevisíveis. A adoção real também mostraria se as empresas valorizam suficientemente o controle no idioma local para aceitar os requisitos de infraestrutura do modelo.

A Xenon afirma que planeja usar as novas capacidades para melhorar o OneAgent e expandir o trabalho que a IA pode executar. Compradores devem acompanhar implantações identificadas, fluxos de trabalho reproduzíveis, taxas de intervenção e evidências de que as tarefas permanecem confiáveis fora dos ambientes de benchmark.

Os estudos de caso mais úteis descreverão os limites com tanta clareza quanto os sucessos. Eles devem identificar quais aplicações o agente consegue operar, quais ações exigem aprovação e com que frequência um humano precisa intervir. Sem esses detalhes, os anúncios de clientes oferecerão pouca evidência técnica.

Xenon Hunmin VLM 397B já é um lançamento de engenharia notável. Ele mostra que uma equipe relativamente focada pode adicionar comportamento de controle de computador a um enorme modelo aberto usando oito GPUs de ponta para pós-treinamento. Seus próprios números também impedem uma narrativa de vitória fácil.

Desenvolvedores que avaliam o modelo devem começar com um fluxo de trabalho estreito e um sandbox reversível. Meçam o sucesso completo da tarefa, não apenas a precisão dos cliques, e registrem cada intervenção ou recuperação. Em seguida, comparem esses resultados com Qwen-CUA e alternativas menores sob condições idênticas. A licença aberta torna esse trabalho possível, mas apenas testes independentes estabelecerão se a vantagem de grounding do Hunmin se transforma em ação confiável.