2026 OSWorld最新榜单公布，实在Agent成执行成功率佼佼者
2026年OSWorld榜单显示，中国智能体实在Agent以90.2%任务成功率登顶总榜及智能体框架分榜，为首个突破90%的Computer-UseAgent。其采用TARS垂直大模型、ISSUT屏幕理解与流程执行引擎三位一体架构，双轨逻辑实现高可靠性。已服务超6000家企业，推动AI落地真实场景。
2026年7月27日，OSWorld最新一期榜单正式公布。一款来自中国的智能体——实在Agent，以90.2%的任务成功率登顶全球总榜，同时拿下智能体框架分榜第一，成为该基准自2024年设立以来首个突破90%成功率的Computer-Use Agent。Meta、Anthropic、OpenAI等硅谷巨头的公开最高纪录，被一家杭州AI企业集体反超。
在一众追逐大模型参数规模的AI企业中，实在Agent的登顶让不少产业观察者眼前一亮。其实答案已经写在了行业正在形成的一个新共识里：Agent = Model + Harness。大模型是“大脑”，负责推理与决策；Harness则是包裹模型的完整工程框架——任务拆解、状态管理、工具调用、失败恢复、安全校验，所有让智能体“不掉链子”的机制都归属其中。不同于市场对AI智能体的固有认知，本次OSWorld的突破揭示了一个更深层的趋势：并不只有做大模型的企业才算AI创新，能把智能体技术以高可靠性、低成本落地到真实计算机环境，同样是值得认可的顶级玩家。而这种扎根工程与场景的路径，恰恰是实在智能八年来深耕企业自动化赛道的发展基因。
OSWorld由香港大学、卡内基梅隆大学、滑铁卢大学等机构发表于人工智能顶会NeurIPS 2024，是首个可扩展的真实计算机环境，支持在Ubuntu、Windows、macOS三大操作系统上进行任务配置与执行式评估。该基准包含369个计算机任务，涵盖网页应用、桌面应用、操作系统文件I/O以及跨多应用的工作流。OSWorld团队在论文中披露：人类操作员可完成超过72.36%的任务，而当时最强的LLM/VLM智能体仅达到12.20%的成功率。2025年底行业最优成绩提升至72.6%，2026年5月刷新到83.6%，而此次实在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新阶段。拆解得分，实在Agent在跨应用协同（93个任务）拿下78.81分，领先第二名近10个百分点；在GIMP图像处理的26个任务中完成24个，成功率92.3%；在系统底层操作的24个任务中实现100%满分零失误。
本次上榜的核心产品实在Agent，依托完全自研的技术底座打造，采用“TARS垂直大模型+ISSUT智能屏幕语义理解+智能流程执行引擎”三位一体架构。其中Harness工程体系是决胜关键：基于第一性原理的“API可行则调用API，无API则GUI可视化操作”双轨执行逻辑，让AI能像人一样“看懂”屏幕上的UI界面，即使面对缺乏开放接口的老旧系统也能顺畅协同。过去八年，实在Agent已服务超6000家企业客户，涵盖制造、电商、能源、跨境、医药、物流运输等核心行业——每一次真实场景的运行都是一次Harness练兵，千万级异常场景的迭代优化，让实在Agent具备了实验室模型难以企及的“实战免疫力”。从自动化时代的流程编排到Agent时代的智能决策，这套工程基因的延续是纯粹模型公司短期内无法复制的。
从整个AI智能体赛道布局来看，本次OSWorld登顶完整呈现了实在智能在Computer-Use领域的技术深度：在通用大模型赛道有TARS垂直模型支撑语义理解，在GUI多模态操控赛道有ISSUT技术实现屏幕感知，而在企业级落地赛道则凭借八年自动化积累的Harness工程打出了差异化，打通了智能体从实验室沙盒到企业生产线的“最后一公里”。这种长期主义的路径，让实在Agent不仅拿下了实验室高分，更在数千家企业中跑出了实际成效。
当前AI行业泡沫讨论不断，很多概念型项目并没有实际落地价值。实在Agent的突围恰恰证明了一个朴素道理：真正的AI创新不是刷参数，而是把技术“种”进真实场景。在安全性上构建“安全断路器”与“人机协同确认”机制，在成本上通过“端云协同”混合模型调度将单次任务推理成本控制在商业可行区间，在协同上逐步连接各行业部署的智能节点形成智能体网络——这些务实举措让实在Agent成为企业“用得起、靠得住”的数字劳动力。
登顶OSWorld只是实在智能发展的一个新节点。对于这家深耕企业自动化八年的企业而言，真正的成绩从来不是榜单上的名次，而是服务中国产业数字化转型的实际成果，写在每一个完成智能化改造的企业里。专注智能体落地的实在Agent，也将成为中国AI在实体赛道的代表性力量，未来值得产业界持续期待。
6月30日，北京将举办“汇智聚力・智启新程”智能体应用驱动产业跃迁论坛。论坛聚焦智能体研发、场景验证与商业闭环，旨在打通政策、技术、供需、资本全产业链交流，推动技术从实验室走向大规模商用，面向政企数字化负责人、AI从业者等开放报名。
由清华大学、中国人民大学、面壁智能等联合开源的AgentCPM-Report智能体，仅8B参数即可本地部署，支持完全离线运行。通过“写作即推理”与多阶段训练两大技术，实现万字级深度分析报告生成，性能对标主流闭源系统，保障数据安全。
先说说在豆包里添加智能体这件事。整个流程并不复杂，但有几个关键节点需要注意——尤其是第一次操作的时候，找对入口比什么都重要。 第一步，把豆包应用打开，确认你已经登录了自己的账号。这一步虽然基础，但要是没登录，后续所有操作都没法展开，算是个小小的前提条件。 进了主界面之后，别急着到处点。多数情况下，智
中国工程院院士钟南山在2026年中思想演讲暨未来论坛上肯定“智能体元年”到来，指出AI飞跃式发展将加速抗流感等药物研发，带来医学创新机遇。拐点既是挑战，更是中短时期内更有作为的时代。
2026年，AI开启智能体经济元年，国际格局同步形成强国俱乐部元年，两个元年叠加迎来时代拐点。钟南山院士肯定其意义，以医学领域创新为例，指出AI飞跃带来冲击，也是更有作为的时代，周期不长。
人工智能正加速迈入“智能体时代”，这意味着我们正在进入一种“人机共生”的新型生产力形态。为了抢占这一轮AI产业竞争的制高点，武汉东湖高新区在6月29日正式发布了“光谷智能体引力计划”（以下简称“计划”）。未来三年，光谷将在政策、算力和基金等方面投入超过10亿元，全力打造一个智能体之城。具体来说，这个
6月30日，联想乐享4.0版本上线，成为业内首个企业超级智能体。依托自研Harness运行层、自我进化机制和多场景Skill能力，实现从问答到复杂任务闭环执行的跨越。用户一句话即可完成咨询、推荐、下单、售后等全流程。目前月活跃用户700万，日均交互超100万次，累计销售额突破50亿元。
武汉光谷发布“智能体引力计划”，未来三年投入超10亿元，依托科创供应链打造智能体之城，构建全周期支撑体系，年内算力力争突破10000P，已培育125款智能体产品，加速集聚企业生态。
约翰斯·霍普金斯大学开发了AgentOdyssey评测框架，用于测试AI在文字冒险游戏中的“测试时持续学习”能力。框架可无限生成独特游戏，避免AI背诵。测试显示，长上下文GPT-5智能体表现最佳，但计算成本高；短期记忆对所有智能体均有显著帮助。
BluekingLite本周更新：CMDB新增Postgres与Docker自动发现，支持模型分组内创建模型；监控策略配置升级，新增指标实时预览；日志平台Vector组件全系兼容；智能运维助手预置PostgresDB、Kubernetes集群及Web应用巡检能力，知识库训练流程重构，并修复通知与执行异常。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
