首个桌面操作智能体成功率突破90%：从模型堆叠到工程优化，Shiai Agent登顶OSWorld

7月27日，OSWorld更新了其排行榜。Shiai Agent以325.59分的总分实现了90.2%的整体成功率，在总体排名和Agentic Framework子排名中均位居榜首。该代理在计算机使用代理（Computer-Use Agent）公开评估中创下新的全球纪录，成为首个成功率超过90%的桌面操作代理。OSWorld是一个基准测试，在真实Ubuntu环境中通过361项任务评估代理，涵盖感知、长周期规划、多软件协调和系统操作能力。此前，GPT、Gemini和Claude等模型均在此基准上接受过测试。行业进展从2024年的12.2%提升至2025年的72.6%，并于2026年5月达到83.6%。Shiai Agent的90.2%突破克服了技术瓶颈。该代理在跨应用协调（93项任务）、GIMP图像处理（26项任务成功率达92.3%）以及系统级操作（24项任务零失误）方面表现出色。团队将成功归因于工程优化而非模型调优。Shiai Intelligent成立于2018年，构建了多模态Harness系统，在可用时使用应用程序编程接口（API），否则采用图形用户界面（GUI）操作，并基于企业级数据进行训练。公司计划将可靠性提升至99.99%，增强动态环境适应能力，并部署边缘-云混合调度系统用于生产环境。