超越Meta、OpenAI等国际巨头，浙产Agent登顶全球榜单

　　OSWorld排行榜总榜（按得分排序）

　　近日，全球权威AI智能体测试基准OSWorld榜单更新，由浙江实在智能科技有限公司（以下简称“实在智能”）研发的“实在Agent”以90.2%的成功率位列全球总榜首位，同时斩获智能体框架（Agentic Framework）分榜第一。

　　这是该测试自2024年设立以来，AI智能体首次突破90%大关。此前Meta、Anthropic、OpenAI等国际巨头创造的最高纪录，被一家浙江企业反超。

　　对AI智能体，很多人并不陌生。只需一个简单指令，它就能操作电脑里的一切软件，轻松搞定工作。但如何判断能力强弱？

　　OSWorld由香港大学、卡内基梅隆大学、滑铁卢大学等机构于2024年在神经信息处理系统大会（NeurIPS）上提出，被业界普遍视为衡量AI操作电脑能力的黄金标准。这些测评会在真实操作系统虚拟机中设置361个实战任务，覆盖办公、编程、UI设计、系统运维等场景。任务是否完成，由机器自动判定。

　　记者了解到，2024年OSWorld刚推出时，人类完成任务的平均成功率约72.4%，而当时的顶级AI模型成功率约12%。近年来，全球各大AI厂商在发布旗舰模型时几乎都会引用OSWorld成绩。广为人知的GPT-5.4.就是因为在该评测中取得75%的成功率，才更有底气宣称“AI首次比人类更会操作电脑”。

　　此次，“实在Agent”取得亮眼成绩的背后，是一条与多数巨头不同的技术路径。

　　OSWorld榜单分设专用模型、通用模型、智能体框架三条赛道。不少企业提交的通用模型方案，主要依靠模型自身的推理能力处理任务；“实在Agent”不仅依赖底层大模型的智力，更依赖整套工程调度系统（Harness）的可靠性。简单来说，就像一辆汽车，既拥有强大动力，更注重发动机、方向盘、制动系统之间的协同配合。

　　目前，AI智能体有应用程序接口（API）和图形用户界面（GUI）两种主流路线，前者是让软件通过“暗号”，直接交换数据和指令；后者则是在像素层面看懂屏幕内容、理解意图，然后进行点击、滑动等操作。“AI的终局不在参数里，而在对真实世界的感知与交互中。”实在智能创始人孙林君表示，正是基于这一判断，研发团队在API之外深耕GUI八年，让“实在Agent”能像人一样看懂屏幕，在没有应用程序接口的情况下也能精准获取数据、操作软件。

　　更为重要的是，实在智能已服务超6000家企业，其中90%为世界500强、央国企及行业龙头企业，覆盖金融、运营商、电商、制造、能源、交通等真实办公场景，积累了丰富的操作数据和工程经验。“每一次真实场景的运行，都像是一次练兵。”孙林君说，异常报错如何处理，流程卡顿如何恢复，边界案例如何兜底……千万级异常场景的迭代优化，让“实在Agent”从追赶者逐渐变成领跑者。

　　浙江正加快打造人工智能创新发展高地。对于AI智能体来说，真正的考验在于能否进入复杂多变的企业真实生产环境，具备独立完成任务并承担结果的能力。从榜单高分到产业落地，“实在Agent”的未来表现，同样值得期待。