InAgent alcanza 90.2% en OSWorld: la brecha del agente de uso informático se reduce para la pila china

Una CUA china se convierte en la primera en superar el 90% en OSWorld. La diferencia con los laboratorios estadounidenses de vanguardia ahora es una diferencia de arnés, no de modelo.

En términos sencillos. Un agente chino de uso informático llamado InAgent ha logrado un 90,2 % de éxito en tareas en OSWorld, el estándar de referencia para agentes que hacen clic, escriben y navegan en un escritorio. Pandaily lo reporta como el primer Agente de Uso Informático (CUA) en superar el 90 %, superando los puntajes publicados por OpenAI, Google y Anthropic.

Lo entregado

Según Pandaily del 3 de agosto de 2026, InAgent alcanza un 90,2 % de tareas exitosas en OSWorld, incluyendo un 100 % en tareas del sistema. Es un hito para el dominio de los "agentes de uso informático", que miden la capacidad de un agente para operar un sistema operativo como lo haría un humano (ratón, teclado, ventanas, aplicaciones).

Nuestra interpretación

El mensaje no es el número — OSWorld tiene un techo flexible y un halo de gaming cuando se optimiza para el benchmark — sino la trayectoria. La brecha entre los labs de vanguardia (OpenAI, Anthropic, Google) y los actores chinos se está cerrando en los CUA incluso antes de que el caso de uso para el público general sea estable. Pandaily enmarca esto como "la ingeniería de harness como la nueva frontera de competencia en IA". Esto alinea con lo que hemos seguido en el hilo harness-ops durante un mes: el rendimiento del producto depende menos del modelo que del bucle de herramientas alrededor.

Bajo el capó

En OSWorld, alcanzar el 90 % suele implicar una pila: (a) modelo de percepción de UI (screen understanding + OCR), (b) planificador (task decomposition), (c) ejecutor (acciones atómicas de ratón/teclado), (d) memoria del agente + backtracking para corregir errores. El 100 % en tareas del sistema sugiere que la parte de CLI/scripts es sólida; el delta para llegar al 90 % global se juega en las tareas de múltiples ventanas con deriva en la UI — el caso en que la pantalla cambia entre dos clics y el agente debe volver a percibir.

Entonces, ¿qué?

Para los equipos que construyen agentes operativos: (1) no midan su pila con los puntajes anunciados — replíquenlos o esperen una réplica independiente; (2) midan su propio desajuste entre percepción y ejecución — ahí es donde el costo se dispara; (3) separen rigurosamente los roles de percepción, planificación y acción en su arquitectura, o los avances del modelo nunca llegarán al producto.

A vigilar

Publicación del modelo y/o del harness de InAgent — de lo contrario, el 90,2 % sigue siendo un dato slide; réplica independiente (benchmark reproducible abiertamente o nada); costo por tarea en tokens consumidos — un CUA con 90 % que cuesta $10 por tarea no es industrializable; soporte para sistemas operativos no-Windows.