觀點 · 資訊分享
只有 70 萬參數的開源 AI 專門填表單：Cua 釋出 CUA-S1-FORMS，自家測試準確率 99.95%
Cua 在 Hugging Face 開源一個只有 706,048 個參數的小模型，不聊天、不寫文章，只做一件事：看懂表單欄位，從文件裡挑出該填的值。作者自報合成測試準確率 99.95%，授權是 MIT。
- 發布
- 2026-09-19
- 篇幅
- 約 3 分鐘 · 1,468 字
- 結構
- 7 節 + 3 題常見問題
- 標籤
一句話看懂：Cua 開源一個只有 70 萬參數的 AI，專門判斷表單每一格該填什麼，證明「固定的小工作」不一定要叫動輒千億參數的大模型。
先用白話講：什麼是「專做一件事」的小模型？
想像你要寄一封掛號信，郵局櫃檯有兩種人可以幫你：
- 一位是博學多聞的大學教授，什麼都懂，但請他來填單要排很久、鐘點費很貴
- 另一位是每天只填掛號單的郵局阿姨，其他事不一定懂，但填單又快又準
現在很多「AI 幫你操作電腦」的產品，連填一個電話欄位都要請大學教授（大型語言模型）出馬。Cua 這次開源的 CUA-S1-FORMS，就是那位郵局阿姨：只會填表，但做得快、做得準。
發生什麼事
Cua 在 Hugging Face 上釋出 CUA-S1-FORMS（台灣時間 9 月 19 日建立模型頁），重點如下：
- 參數量只有 706,048 個，授權是 MIT
- 它不產生文字：給它一個介面元素（例如「電話號碼」輸入框）和一串候選選項，它只回傳每個選項的機率
- 候選選項包含文件裡抽出的每一筆資料，再加上固定的三種動作：勾選（check）、點擊（click）、跳過（skip）
- 整張表單的每個欄位一次平行打分；執行順序交給外部程式決定：先填值、再勾選、最後才按一次送出
準確率怎麼看？
模型頁列出的結果（作者在發布時自報）：
| 測試 | 準確率 | 說明 |
|---|---|---|
| 合成測試（約 1.5 萬個決策） | 99.95% | 刻意放入容易混淆的欄位組合 |
| 真實示範（3 份表單＋3 份 PDF，196 個決策） | 100% | 不含合成資料 |
| 打亂上下文的對照組 | 37% | 證明模型真的有在讀欄位內容 |
要注意，模型頁也寫明：這些結果的佐證文件不在官方程式庫裡，官方程式庫也沒有重現這些數字。真實環境只測了 196 個決策，樣本很小。
給開發者的技術細節
- 架構：位元組層級的嵌入，加上 2 層 Transformer 編碼器（寬度 128、4 個注意力頭），再用「選項注意力」對每個選項打分
- 輸入上限：上下文截到 224 位元組、每個選項截到 96 位元組
- 訓練資料：1 萬組合成資料，每張表 2～16 個欄位，使用保留用電話號碼、
.invalid網域等假資料，不含真實使用者資料 - 限制：只能從文件抽取器已經找到的「標籤：值」裡挑，不能自己生出值；標籤以英文為主
- 下載安全：模型頁後來補上警告，只能載入 safetensors 檔，舊版曾附的 pickle
.pt檔已移除
hf download cua-ai/cua-s1-forms --exclude "*.pt" --local-dir ./cua-s1-forms
我的看法
接案常碰到「把 PDF 或 Excel 的資料搬進某個網頁系統」這種重複工作。這類需求的痛點不是 AI 不夠聰明，而是每填一格都要呼叫一次雲端大模型，又慢又貴。CUA-S1-FORMS 的方向很對：把「判斷填哪個值」交給小模型，流程控制交給一般程式，整體會穩定很多。
但我不會直接拿它去跑客戶的正式系統。它目前是研究用途，只用英文標籤訓練，台灣常見的中文表單效果完全未知；而且模型頁自己也說，不應把「看起來填完了」當成「真的填對了」。比較實際的用法，是拿它的設計思路，在自己的流程裡加上人工確認那一步。
名詞小辭典
- 參數：模型裡可以調整的數值，數量越多通常越聰明，但也越大、越慢。
- Computer Use：讓 AI 看著畫面、自己點擊和輸入，像人一樣操作電腦。
- safetensors：一種只存數值、不能夾帶程式碼的模型檔案格式，比 pickle 安全。
- 合成資料：用程式自動產生的假資料，用來訓練或測試模型。
資料來源
常見問題
70 萬參數的模型能做什麼？跟 ChatGPT 差在哪？
它完全不會聊天，也不會自己編內容。你給它一個表單欄位和幾個候選選項，它只回答每個選項的機率，例如「電話欄」應該填文件裡的哪一個電話號碼。正因為任務很窄，模型才能做得這麼小。
可以拿來自動幫客戶填政府或銀行表單嗎？
不建議。模型頁明確把財務、法律、醫療等高影響的操作，以及在正式帳號上無人監督地執行，列為不適用範圍。它目前定位是研究用途。
下載時要注意什麼？
模型頁後來補上提醒：只載入 safetensors 與 json 這組檔案。舊版本曾附 pickle 格式的 .pt 檔，已被移除；pickle 檔在載入時可能執行任意程式碼，不要用 torch.load 開任何來路的 .pt 副本。
接著讀
全部觀點 →Holo4 開放下載：會自己操作電腦的 AI，27B 版本 OSWorld 拿 61.7%H Company 在 Hugging Face 發布 Holo4 系列，能透過畫面、程式碼、MCP 工具與 API 操作電腦。27B 版本以 Qwen3.8 27B 為基礎，OSWorld 2.0 得分 61.7%，權重開放下載，但兩個版本的授權不同。閱讀 →DeepSeek V4.1 Flash 小改版開源：Terminal-Bench 從 31.2 跳到 42.3，輸出還變短DeepSeek 推出 V4.1-Flash-1017，以 MIT 授權開放權重，多項跑分提升、完成任務更快、輸出更短。API 名稱 deepseek-flash 已指向新版，離峰時段每百萬輸出 token 只要 0.6 美元。閱讀 →AWS 公布 Continuum 自動找漏洞、自己寫修補：920 題測試修好 89%，比前紀錄多 23 分AWS 安全團隊介紹 Continuum，一套能自己找出原始碼漏洞、寫出攻擊驗證、再產生修補程式的多代理系統。在 920 題的 CyberGym-E2E 測試中，端對端成功率 89.0%，比先前公開最高的 65.9% 多出 23.1 個百分點。閱讀 →