用高频场景“养”出高效智能体

　　浙江在线8月6日讯（记者 胡金 通讯员 孙林春）近日，全球权威AI智能体测试基准OSWorld榜单更新，由浙江实在智能科技有限公司（以下简称“实在智能”）研发的“实在Agent”以90.2%的成功率位列全球总榜第一，同时斩获智能体框架（Agentic Framework）分榜第一。

　　2024年推出的OSWorld，被业界誉为衡量AI电脑操作能力的黄金标准。全球主流AI厂商发布旗舰模型时普遍会使用OSWorld系统，并引用相关成绩。该系统在真实操作系统虚拟机中设置了361个实战测试任务，覆盖办公、编程、设计、运维等场景。此前，这项测试最高纪录一直由Meta、Anthropic、OpenAI等国际巨头保持，成功率最高在83%左右，此次实在智能以90.2%的成功率不仅实现反超，而且跑出了最佳成绩。

　　“这个第一，不是写出来的，是养出来的。”实在智能创始人孙林君介绍说，OSWorld榜单分设专用模型、通用模型、智能体框架三条赛道。不少企业提交的通用模型方案，主要依靠模型自身的推理能力处理任务；而“实在Agent”使用的是“通用模型+工程架构”方案，不仅依赖底层大模型的智力，更依赖整套工程架构的高效调度能力。

　　高效能力来自高频场景。目前，实在智能已服务超6000家企业，其中90%为世界500强、央国企及行业龙头企业，覆盖金融、运营商、电商、制造、能源、交通等真实办公场景，积累了丰富的操作数据和工程经验。“异常报错如何处理，流程卡顿如何恢复，边界案例如何兜底……无数次异常场景的迭代优化，让我们逐渐从追赶者变成领跑者。”孙林君说，下一步，“实在Agent”的目标不仅是能办事，更要办成事、办好事。

　　在他看来，对于AI智能体来说，真正的考验在于后续能否进入复杂多变的企业真实生产环境，是否具备独立完成任务并承担结果的能力。