实在Agent刷新全球纪录，究竟强在哪？
90.2%什么概念？AI终于不是“人工**”了刚看到个新闻，杭州一家公司做的“实在Agent”，在OSWorld这个全球权威测试里跑出了90.2%的任务成功率，直接登顶全球第一。90.2%什么概念？2024年这个测试刚出来的时候，GPT-4o、Claude这些顶级模型成功率只有12%左右。相当于让AI用电脑干点正事，十次有九次翻车。到2025年底才涨到72.6%，刚过人类平均水平。现在直接干到90.2%——这意味着AI在真实电脑操作上，已经具备了“超高可靠性”的独立执行能力。而且90%是个行业公认的临界点，过了这条线才意味着从“勉强能跑”进入“稳定可用”的阶段。
发布于 北京
分享
评论
1
未登录
友善发言
评论
加载中
