研究與評測
實在 Agent 登頂 OSWorld 雙榜
InfoQ 中國
實在 Agent 以 90.2% 總成功率、325.59 分總成績，拿下 OSWorld 總榜與 Agentic Framework 分榜冠軍，刷新 Computer-Use Agent 公開評測紀錄。OSWorld 在 Ubuntu 真實作業系統中測試 361 項任務，涵蓋跨軟體協作、圖像處理與系統操作。此次成績凸顯多模態 Harness 與工程最佳化，正成為桌面操作智慧代理落地的關鍵。
讀原始報導背景
OSWorld 是自 2024 年發布的全球 AI 智慧體基準；作為參考，GPT-5.4 可透過 Playwright 程式碼，以及基於螢幕截圖的滑鼠與鍵盤命令操作桌面，在該測試取得 75.0%。Harness Engineering 則是以工具與實踐約束 AI Agent，並在適當時機提供情境、工具及限制，藉此降低錯誤並提升能力。