InAgent достигает 90,2% на OSWorld: разрыв в использовании компьютерных агентов сокращается для китайского стека

Китайская CUA обгоняет США на 90% в OSWorld. Разрыв с ведущими американскими лабораториями теперь определяется не моделью, а возможностями harness.

Простыми словами. Китайский агент для работы с компьютером InAgent показал 90,2% успешного выполнения задач на OSWorld — стандартном бенчмарке для агентов, которые кликают, печатают и управляют рабочим столом. Pandaily сообщает, что это первый компьютерный агент (CUA), преодолевший планку в 90%, опередив опубликованные результаты OpenAI, Google и Anthropic.

Что было представлено

Согласно Pandaily от 3 августа 2026 года, InAgent достигает 90,2% успешного выполнения задач на OSWorld, включая 100% на системных задачах. Это важный рубеж для области "computer-use agent", которая оценивает способность агента работать с ОС так, как это делал бы человек (мышь, клавиатура, окна, приложения).

Наше понимание

Важен не сам показатель — у OSWorld есть мягкий потолок и элемент гейминга при оптимизации под бенчмарк, — а траектория. Разрыв между ведущими лабораториями (OpenAI, Anthropic, Google) и китайскими игроками сокращается в области CUA ещё до того, как use case массового потребителя станет стабильным. Pandaily называет это "инженерия harness как новый фронт конкуренции в ИИ". Это согласуется с тем, что мы наблюдаем на нитке harness-ops на протяжении месяца: производительность продукта зависит не столько от модели, сколько от инструментального цикла вокруг неё.

Под капотом

На OSWorld достижение 90% обычно требует стека: (a) модель восприятия UI (понимание экрана + OCR), (b) планировщик (декомпозиция задач), (c) исполнитель (атомарные действия мыши/клавиатуры), (d) память агента + откат для исправления ошибок. 100% на системных задачах говорит о том, что часть с CLI/скриптами надёжна; разрыв до 90% в целом возникает на мног оконных задачах с изменением UI — когда экран меняется между двумя кликами, и агенту приходится воспринимать его заново.

Что это значит

Для команд, строящих операционные агенты: (1) не зацикливайтесь на объявленных бенчмарках — воспроизводите их или ждите независимого воспроизведения; (2) измеряйте собственный разрыв между восприятием и исполнением — именно здесь стоимость взрывается; (3) строго разделяйте роли восприятия, планирования и действия в архитектуре, иначе преимущества модели так и не дойдут до продукта.

На что обратить внимание

Публикация модели и/или harness InAgent — иначе 90,2% останется цифрой ради цифры; независимая репликация (бенчмарк должен быть openly reproducible, иначе это ничего не стоит); стоимость за задачу в потреблённых токенах — CUA с 90%, который стоит $10 за задачу, не подлежит индустриализации; поддержка ОС, не основанных на Windows.