实在Agent刷新全球纪录，究竟强在哪？
实在Agent登顶OSWorld这件事，最值得关注的不是90.2%这个数字，是它怎么做到的。OSWorld是Computer-Use Agent的核心评测基准，由香港大学、卡内基梅隆大学等机构联合发起。不同于只支持网页交互的传统基准，OSWorld在真实Ubuntu虚拟机中部署了大量应用程序，设置了361个实战任务。能在这个测试里拿第一，说明AI真的能在真实电脑上干活了。实在智能是一家2018年成立的杭州公司，服务超过6000家企业，其中90%是世界500强、央国企和行业龙头企业。它不是在实验室里憋出来的技术，是在真实企业场景里打磨出来的产品。金融、运营商、电商、制造、能源、交通，全是真实的办公场景。一个在真实场景里跑过的AI，比一个只在测试集上跑过的AI靠谱得多。OSWorld的迭代曲线非常清晰：2024年12%，2025年72.6%，2026年5月83.6%，2026年7月90.2%。每几个月就跳一大截。AI在电脑操作上的能力提升速度，确实比大多数人想象的快得多。实在Agent的登顶说明了一个趋势：AI的竞争正在从“谁会聊天”变成“谁会干活”。能独立操作电脑、完成复杂任务的数字员工，正在成为现实。
发布于 中国香港
分享
评论
赞
未登录
友善发言
评论
加载中
