OSWorld总榜第一！实在智能Agentic框架登顶，超90%执行成功率

OSWorld由港大、CMU等顶尖机构联合打造，是全球评估AI操作电脑能力的黄金标准。2024年发布时最强模型仅12.24%，人类基线72.36%——如今实在智能以90.20%登顶总榜第一。

📅 2024年4月 · 基准发布

• 里程碑：OSWorld正式发布，369个真实电脑任务
• 最佳成绩：12.24%（AI模型）
• 人类基线：72.36%

📅 2025年10月 · 智能体框架崛起

• 里程碑：Agent S3（Simular）逼近人类基线
• 最佳成绩：69.90%（Agentic框架）

📅 2025年12月 · 首次超越人类

• 里程碑：Agent S3正式超越人类
• 最佳成绩：72.60%（Agentic框架）

📅 2026年4月 · Agentic框架登顶分类第一

• 里程碑：OpenAPA（来也科技）登顶Agentic Framework分类全球第一并开源
• 最佳成绩：78.30%（Agentic框架）

📅 2026年5月 · 总榜突破80%

• 里程碑：Pointer Agent + Claude Opus 4.7
• 最佳成绩：83.60%（Agentic框架）

📅 2026年7月 · 🏆 实在智能登顶总榜

• 里程碑：实在智能（Intelligence Indeed） 登顶OSWorld总榜第一
• 🏆 最新成绩：90.20%
• 行业意义：领先人类基线近18个百分点，创OSWorld历史最高纪录

📊 OSWorld总榜TOP 10（截至2026年7月）

排名	模型/框架	所属团队	类型	成功率	日期
🥇	Intelligence-Indeed Agent	实在智能	Agentic框架	90.20%	2026.07
🥈	Pointer Agent w/ Opus 4.7	Pointer	Agentic框架	83.60%	2026.05
🥉	Coasty CUA v1	Coasty Team	通用模型	82.80%	2026.07
4	Pointer Agent w/ Sonnet 4.6	Pointer	Agentic框架	81.50%	2026.05
5	Muse Spark 1.1	Meta Superintelligence Labs	通用模型	80.70%	2026.07
6	Holo3-35B-A3B	H Company	专用模型	80.40%	2026.04
7	OpenAPA w/ gemini-3.1-pro	来也科技	Agentic框架	78.30%	2026.04
8	VLAA-GUI w/ Opus 4.5	UCSC VLAA Lab	Agentic框架	76.30%	2026.04
9	MiniMax M3	MiniMax	通用模型	75.20%	2026.06
10	HIPPO Agent w/ Opus 4.5	联想	Agentic框架	74.50%	2026.02

📌 人类基线：72.36% | 榜首领先人类：+17.84个百分点

🔍 一个关键发现

排名前10中，6个是Agentic Framework路线，通用模型2个，专用模型1个（注：Holo3-35B为专用模型，与Agentic框架/通用模型分类独立）。

AI能力的突破越来越不依赖“更大的模型”，而是依赖“更好的框架”——任务拆解、自我纠错、多智能体协作。

🏆 登顶的团队什么来头？

实在智能（Intelligence Indeed），2018年成立于杭州。

创始团队：三位创始人分别是原阿里巴巴资深算法专家孙林君、原中国电信翼支付副总经理高扬，以及原某金融科技领军企业联合创始人张俊九。CEO孙林君本科毕业于吉林大学、硕士毕业于大连理工大学，在阿里工作10年期间曾牵头打造阿里巴巴诚信模型体系。公司近400余人团队中，约半数来自阿里、百度、腾讯、美团等一线互联网企业。

技术实力：实在智能是国家级专精特新小巨人、国家重点软件企业，连续四年获评AI准独角兽。公司拥有100余项发明专利、300余项自主知识产权，核心技术斩获第25届国家专利奖，通过CMMI-5级全球最高软件成熟度认证。产品全面适配国产芯片、数据库和操作系统，已通过国家信息安全等级保护三级认证。

行业积累：实在智能已累计服务6000多家行业头部客户，覆盖金融、制造、运营商、电商、烟草、能源、交通等多个领域。其中包括200余家中国500强企业。

数据积累：实在智能的“数字员工”已在各行业稳定运行数百万小时。公司旗下“实在学院”与AI实训平台社区用户超百万，生态合作伙伴超千家。其“取数宝”产品已服务近10万家店铺。这种大规模的落地实践，让实在智能积累了海量的行业场景数据和操作流程知识库——这正是训练电脑操作智能体最核心的养料。

简单说：别人是拿着模型去考试，实在智能是已经在几千家企业里“上班”了好几年——行业Know-How和数据积累，是写在榜单数字背后的真正护城河。

---

数据来源：OSWorld官方榜单（osworld-v1.xlang.ai），数据截至2026年7月27日。