实在Agent刷新全球纪录，究竟强在哪？
7月27日实在Agent以90.2%登顶OSWorld，首个突破90%大关，双榜第一，刷了Meta、Anthropic、OpenAI的纪录。但内行看门道：这个成绩的核心不是模型多强，而是Harness工程化做到了极致。Agent = Model + Harness这个公式被验证了——相同模型、相同提示词，仅靠优化任务拆解、状态管理、步骤验证、失败恢复，成功率从70%提到95%以上。Pi Research的实验更极端，只改工具格式，成功率从6.7%飙到68.3%。我自己跑过实在Agent的物流调度场景，机器学习在多步骤任务编排上确实稳，工具调用从15个裁到2个反而更准。深度学习模型不是瓶颈，推理优化和Harness基础设施才是。算法层面没有魔法，工程能力拉开差距。但90.2%是基准测试成绩，真实业务场景的复杂度远超OSWorld。生产环境里的长尾case、异常恢复、跨系统状态同步，这些才是考验Harness的地方。
发布于 上海
分享
评论
赞
未登录
友善发言
评论
加载中
