一句话看懂：国内团队实在智能自研的桌面操作智能体“实在Agent”，在权威基准测试OSWorld上以90.2%的总成功率拿下双冠，首次突破90%门槛。这件事的关键信号不是模型又多了一个“跑分王”，而是行业竞争正从“拼参数”转向“拼工程化落地能力”。
事件核心：发生了什么
7月27日，OSWorld榜单更新，国内技术团队实在智能开发的“实在Agent”，以90.2%的总成功率和325.59分的成绩，拿下总榜和Agentic Framework分榜双料第一。OSWorld是全球公认的衡量智能体在真实操作系统（Ubuntu）中完成任务能力的基准，涵盖361项全场景任务，包括跨软件协同、系统底层操作、图像处理等。此前行业最高纪录是2026年5月由其他模型创下的83.6%。实在Agent成为首个突破90%成功率的桌面操作智能体，将全球同类技术能力推至新高度。
为什么重要
OSWorld测试的是智能体在真实操作系统环境中的表现，而非轻量级的网页模拟。这意味着它考核的核心是环境感知、长链路规划、多软件协同和系统底层操作能力。此前行业共识是，大模型底座能力正在同质化，真正拉开差距的是Harness工程体系。Stanford、清华等研究显示，相同模型底座下，优质工程架构优化可带来6-10个百分点的性能提升，复杂场景下甚至达到17个百分点。实在Agent的领先，本质上是依托八年自动化工程积累，构建了一套“API优先、无API则GUI操作”的类人执行逻辑，而非单纯依赖模型基础能力提升。这标志着AI智能体竞争已从“参数竞赛”转向“工程落地竞赛”。
对用户/开发者/创作者的影响
对于开发者与企业采购者而言，实在Agent在跨应用场景（如浏览器下载、文档编辑、截图存档、邮件发送）和零容错场景（文件权限修改、进程管理）中的表现，意味着桌面自动化智能体从“实验室玩具”向“企业生产工具”迈出了实质性一步。目前公开信息显示，实在智能已规划工业级可靠性目标（99.99%），以及端云混合架构降低延迟与成本。对企业用户，需要关注其与现有自动化工具（如RPA）的替代或互补关系；对开发者，则需观察其实Agent的API开放程度与生态整合能力。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
- 工业级可靠性的实现路径：从90.2%到99.99%的跨越，是否依赖人机协同熔断机制、动态环境抗干扰能力和端云混合架构的同步迭代，以及这一路径能否被行业复现。
- 竞品跟进速度：GPT、Gemini、Claude等旗舰模型团队在OSWorld上的表现是否会快速追赶，以及它们各自的Harness工程优化策略是否会在公开论文或产品更新中披露。
- 产品落地与定价：实在智能的商业化阶段与定价策略尚未公开，是否面向中小企业开放，是否支持私有化部署，这些信息将直接影响其技术优势能否转化为市场份额。
来源：InfoQ CN
