【极新】全球第一！国产智能体刷新OSWorld纪录
2026 年 7 月 27 日实在 Agent 登顶 OSWorld 榜单，成首个突破 90% 成功率的桌面操作智能体。
2026年7月27日，OSWorld榜单完成更新，国内技术团队自研的实在Agent以90.2%的总成功率、325.59分总成绩，包揽总榜与Agentic Framework分榜双冠，成为业内首个突破90%成功率的桌面操作智能体。
对于开发者与技术从业者而言，OSWorld是衡量智能体实景落地能力的重要基准。区别于仅能模拟简单网页交互的轻量化评测体系，OSWorld基于Ubuntu真实操作系统，搭建361项全场景实战任务，全程机器无主观评分，精准考核智能体的环境感知、长链路规划、多软件协同、底层系统操作等核心能力。自2024年上线以来，GPT、Gemini、Claude等旗舰模型的技术迭代成果，均以该榜单数据为核心佐证。
OSWorld排行榜（按得分排序）
复盘行业两年迭代曲线，全球计算机使用智能体完成了快速进化：从2024年的12.2%基础成功率，到2025年突破72.6%超越人类基线，再到2026年5月83.6%的行业高点，技术迭代速度持续攀升。实在Agent此次90.2%的突破，将行业纪录推向了新阶段，标志着Computer-Use Agent的可靠性达到了新高度。
从技术拆解维度来看，实在Agent的领先源于三大核心能力的突破。
在最考验长链路逻辑的跨应用协同场景中，面对93项多软件连续流转的复杂任务，可自主完成浏览器下载、文档编辑、截图存档、邮件发送的全流程操作；
在GIMP像素级图像处理场景中，攻克非标准浮动面板、自定义工具栏的识别难题，26项任务完成24项，成功率达92.3%；
在零容错的系统底层运维场景中，实现24项任务满分通关，文件权限修改、进程管理、命令行操作全程零失误，展现出稳定的底层执行能力。
业内开发者共识显示，大模型底座能力已进入同质化阶段，Harness工程体系成为智能体能力分层的核心关键。研究数据表明，相同模型底座下，优质的Harness架构优化可带来6-10个百分点的性能提升，复杂场景下优化迭代增益最高可达17个百分点。实在Agent的领先，源于实在智能自2018年起在企业自动化领域的长期积累，而非单次模型调优的偶然突破。
自2018年成立以来，实在智能始终聚焦自动化落地，持续打磨适配真实桌面环境的多模态Harness体系，形成“API可行则调用API，API失效则GUI可视化操作”的类人执行逻辑。同时依托海量企业级真实场景数据，完成了大量异常场景的迭代优化，解决了实验室模型“跑分强、落地弱”的行业通病，让智能体具备适配复杂真实环境的实战能力。
跑分突破是技术里程碑，产业落地才是最终目标。当前AI智能体竞争已从“参数竞赛”转向“工程落地竞赛”，实在智能已明确下一阶段技术迭代方向：通过人机协同熔断机制，将智能体可靠性从90.2%提升至工业级99.99%；优化动态环境抗干扰能力，适配弹窗、版本更新、网络波动等真实办公场景；迭代端云混合调度架构，降低推理成本与延迟，搭配全链路可审计合规体系，让智能体真正走进企业生产场景，成为开发者高效生产力工具与企业的组织重塑中枢。
对于开发者与技术从业者而言，OSWorld是衡量智能体实景落地能力的重要基准。区别于仅能模拟简单网页交互的轻量化评测体系，OSWorld基于Ubuntu真实操作系统，搭建361项全场景实战任务，全程机器无主观评分，精准考核智能体的环境感知、长链路规划、多软件协同、底层系统操作等核心能力。自2024年上线以来，GPT、Gemini、Claude等旗舰模型的技术迭代成果，均以该榜单数据为核心佐证。
OSWorld排行榜（按得分排序）
复盘行业两年迭代曲线，全球计算机使用智能体完成了快速进化：从2024年的12.2%基础成功率，到2025年突破72.6%超越人类基线，再到2026年5月83.6%的行业高点，技术迭代速度持续攀升。实在Agent此次90.2%的突破，将行业纪录推向了新阶段，标志着Computer-Use Agent的可靠性达到了新高度。
从技术拆解维度来看，实在Agent的领先源于三大核心能力的突破。
在最考验长链路逻辑的跨应用协同场景中，面对93项多软件连续流转的复杂任务，可自主完成浏览器下载、文档编辑、截图存档、邮件发送的全流程操作；
在GIMP像素级图像处理场景中，攻克非标准浮动面板、自定义工具栏的识别难题，26项任务完成24项，成功率达92.3%；
在零容错的系统底层运维场景中，实现24项任务满分通关，文件权限修改、进程管理、命令行操作全程零失误，展现出稳定的底层执行能力。
业内开发者共识显示，大模型底座能力已进入同质化阶段，Harness工程体系成为智能体能力分层的核心关键。研究数据表明，相同模型底座下，优质的Harness架构优化可带来6-10个百分点的性能提升，复杂场景下优化迭代增益最高可达17个百分点。实在Agent的领先，源于实在智能自2018年起在企业自动化领域的长期积累，而非单次模型调优的偶然突破。
自2018年成立以来，实在智能始终聚焦自动化落地，持续打磨适配真实桌面环境的多模态Harness体系，形成“API可行则调用API，API失效则GUI可视化操作”的类人执行逻辑。同时依托海量企业级真实场景数据，完成了大量异常场景的迭代优化，解决了实验室模型“跑分强、落地弱”的行业通病，让智能体具备适配复杂真实环境的实战能力。
跑分突破是技术里程碑，产业落地才是最终目标。当前AI智能体竞争已从“参数竞赛”转向“工程落地竞赛”，实在智能已明确下一阶段技术迭代方向：通过人机协同熔断机制，将智能体可靠性从90.2%提升至工业级99.99%；优化动态环境抗干扰能力，适配弹窗、版本更新、网络波动等真实办公场景；迭代端云混合调度架构，降低推理成本与延迟，搭配全链路可审计合规体系，让智能体真正走进企业生产场景，成为开发者高效生产力工具与企业的组织重塑中枢。
责任编辑： 流过
