2026 OSWorld最新榜单公布，实在Agent成执行成功率佼佼者

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。