发布CUA模型排行榜，确保可重复结果

每个人都声称在计算机使用代理（CUA）上达到SOTA，但无法确保可重复结果。我们公开发布了OSWorld验证排行榜，从OpenAI和Anthropic的CUA模型开始，很快会加入更多评估和模型。