来源：市场资讯
（来源：环球网资讯）
来源：环球网
日前，全球权威AI智能体测试基准“OSWorld”公布最新排名，由中国团队研发的智能体产品“实在Agent”以90.2%的成功率位列全球总榜首位，同时斩获Agentic Framework分榜第一，实现双项冠军。这是该测试自2024年设立以来，全球智能体首次突破90%大关，此前最高纪录由Meta、OpenAI、Anthropic等海外科技企业保持。
OSWorld测试由香港大学、卡内基梅隆大学、滑铁卢大学等高校学者联合发起，被业界视为衡量AI“计算机操作能力”的重要标尺。与侧重语言对话的传统测试不同，OSWorld要求智能体在真实操作系统中，独立完成文件编辑、表格处理、图像修改、邮件收发及跨应用协同等361项复杂任务，全程由机器自动判定结果，避免人为评分的主观偏差，因而被公认为贴近真实办公场景的AI能力“试金石”。
据测试数据，2024年OSWorld刚推出时，包括GPT-4o、Claude在内的顶级模型成功率仅约12%；至2025年底，行业最优成绩提升至72.6%，首次超过人类平均水平；2026年5月刷新至83.6%。此次“实在Agent”以90.2%的成绩再次大幅跃升，标志着AI在电脑操作任务上已迈入“超高可靠性”的新阶段。
在细分领域中，该智能体在图像处理（GIMP）、跨应用协同和多软件联动等公认高难度任务上表现突出，其中系统底层操作类任务获得满分。业内人士指出，跨应用协同考验智能体的长链路规划能力，图像处理反映其对非标准界面视觉理解的深度，而系统级零失误则体现了执行闭环的高稳定性，三项能力叠加构成其整体领先优势。
据了解，“实在Agent”由国内人工智能企业实在智能研发。该公司自2018年成立以来，已服务超过6000家企业客户，绝大部分为世界500强、央国企及行业龙头企业，在真实办公场景中积累了丰富的操作数据和工程经验。团队表示，智能体能力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——相当于汽车发动机与方向盘、制动系统的协同配合。长期的企业场景沉淀和工程迭代，是此次登顶的重要基础。
专家认为，中国智能体在权威测试中登顶，不仅表明国内AI产业在核心工程能力上取得实质性突破，也预示着AI正从“对话交互”的工具形态，加速向能够独立操作电脑、执行复杂任务的“数字员工”演进，为实体经济数字化转型提供了新的技术支撑。
热门跟贴