第一个开放式CUA数据集？Fig发布当天被翻出7个月前的600小时

Fig在11月5日发布了RealCUA v0.1，宣传里有个很硬的词：第一个。按Fig的说法，这是首个记录开放式工作、环境持续演化的computer-use数据集。发布当天，p(doom)作者Franz Srambical在回复里直接说，这个说法不成立。

先把两边的事实摆出来。

RealCUA放了什么

RealCUA v0.1有606.5小时素材，512段录制，354,769步，其中274,984个动作、79,785个空闲状态。应用切换27,700次，覆盖35个以上应用，压缩后154GB。最长连续轨迹741分钟，约12.4小时；中位录制27分钟，均值71分钟；87%的小时来自1小时以上的录制。多显示器录制占14.5%。

这些数字不是脚本任务跑出来的。Fig说，录制者是美国的资深从业者，来自工程、运营、产品、研究岗位，在自己的个人机器上做真实工作，没有分配任务，没有脚本指令，录制、使用和分发都经过同意。

数据里包含什么：H.264视频，30fps，多显示器；带亚毫秒时间戳的原始输入事件；从输入事件归并出的步骤级动作JSON；当前应用和窗口元数据；accessibility tree快照；裁剪后的HTML和DOM快照；工作流分段和原子任务。

Fig主推视频：

它想解决的痛点

computer-use agent要学的是在桌面上完成任务：开应用、切窗口、读页面、改文档、回消息、查资料。过去很多数据集靠脚本任务、合成数据、应用克隆，或者把任务边界切得很干净。RealCUA反过来，从真实工作开始录，保留重叠目标、通知、加载状态、中断和恢复。Fig统计，平均每小时有45.7次应用切换。

应用覆盖也很具体。Notion占25.28%的专注小时，Brave 15.04%，Cursor 11.51%，Claude 8.86%，Chrome 7.17%，Slack 6.74%，Dia 5.24%。后面还有WindowManager、ChatGPT、Firefox、Terminal、Ghostty、Granola、Figma、Zoom、Discord、Finder、Spotify等。

对训练CUA的人来说，这类数据的价值在上下文：一个点击发生在哪个窗口、哪个DOM元素、哪个accessibility节点上，前后状态是什么。对做评测的人来说，价值在长轨迹和多目标交织。Fig提供11小时连续轨迹样本，完整数据要申请，学术和开源研究组可以联系。地址是 https://data.fig.inc/realcua 。

争议点：两个600小时不是一回事

Franz Srambical的回复说，Fig的claim不 true。7个月前，他们公开了600多小时数据，内部有15,000小时，来自顶级PhD学生3到12个月的工作，跨平台捕获工具开源。那个数据集叫AGI-CAST-0.6k，发布时强调长周期AGI研究、screencast-only、CC0许可。配套的crowd-cast是隐私保护桌面应用，用来众包带动作标注的行为克隆数据。

p(doom)当时的发布视频：

两个数据集都叫600小时，含义不同。AGI-CAST侧重长周期研究工作的屏幕录制，公开更早，许可更开放。RealCUA强调环境持续演化、多个独立目标交织、完整工作区状态、步骤级动作和窗口上下文。Fig的“first”前面有一串限定条件，条件越多，边界越窄。按“公开600小时真实电脑工作”这条线看，RealCUA不是第一个。按“开放式多目标、环境不重置、带步骤级动作和DOM/accessibility上下文”这条线看，Fig认为自己填的是另一个空位。

“首个”这种词很容易被旧账追上。数据本身不会。做CUA训练的人可以看11小时样本和申请通道；做评测的人要注意访问限制和许可差异；想复现的人可以先比对输入事件、状态快照和任务分段这三层。有网友在回复里问，密码、消息这类隐私内容怎么处理，11小时样本能不能直接用于训练。素材里没有看到公开答复。

Fig在素材里没有回应Franz的质疑。RealCUA的数据卡、样本和申请入口已经放出，AGI-CAST和crowd-cast的代码、数据、许可也都在公开链接里。判断谁更接近“第一个”，得先定义清楚第一个什么。