日前，民众泰斗AI智能体测试基准“OSWorld”公布最新名次，由中国团队研发的智能体居品“的确Agent”以90.2%的得胜率位列民众总榜首位，同期斩获Agentic Framework分榜第一，杀青双项冠军。这是该测试自2024年招引以来，民众智能体初度膺惩90%大关，此前最高记载由Meta、OpenAI、Anthropic等国外科技企业保执。

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辘集发起，被业界视为意象AI“诡计机操作才调”的进攻标尺。与侧重谈话对话的传统测试不同，OSWorld条款智能体在信得过操作系统中，颓靡完成文献裁剪、表格措置、图像修改、邮件收发及跨诳骗协同等361项复杂任务，全程由机器自动判定成果，幸免东谈主为评分的主不雅偏差，因而被公觉得逼近信得过办公场景的AI才调“试金石”。

据测试数据，2024年OSWorld刚推出时，包括GPT-4o、Claude在内的顶级模子得胜率仅约12%；至2025年底，行业最优收获教诲至72.6%，初度进步东谈主类平均水平；2026年5月刷新至83.6%。这次“的确Agent”以90.2%的收获再次大幅跃升，象征着AI在电脑操作任务上已迈入“超高可靠性”的新阶段。

在细分鸿沟中，该智能体在图像措置（GIMP）、跨诳骗协同和多软件联动等公认高难度任务上证实隆起，其中系统底层操作类任务赢得满分。业内东谈主士指出，跨诳骗协同教练智能体的长链路筹画才调，图像措置反应其对非范例界面视觉解析的深度，而系统级零诞妄则体现了实施闭环的高踏实性，三项才调访佛组成其全体发轫上风。

据了解，“的确Agent”由国内东谈主工智能企业的确智能研发。该公司自2018年诞生以来，已劳动进步6000家企业客户，绝大部分为寰宇500强、央国企及行业龙头企业，在信得过办公场景中积存了丰富的操作数据和工程教悔。团队暗示，智能体才调不仅依赖底层大模子的“技艺”，更依赖整套工程鼎新系统（Harness）的可靠性——止境于汽车发动机与场地盘、制动系统的协同和谐。恒久的企业场景千里淀和工程迭代，是这次登顶的进攻基础。

众人觉得，中国智能体在泰斗测试中登顶2026B体育官网入口，不仅标明国内AI产业在中枢工程才调上取得本体性膺惩，也预示着AI正从“对话交互”的器用样式，加快向大致颓靡操作电脑、实施复杂任务的“数字职工”演进，为实体经济数字化转型提供了新的时期复古。