InAgent 在 OSWorld 上达到 90.2%：计算机使用代理的差距在中国堆栈中缩小

中国的CUA首次在OSWorld上超过90%。与美国前沿实验室的差距现在是一个工具差距，而非模型差距。

简单来说。一家名为 InAgent 的中国计算机使用代理在 OSWorld 上实现了 90.2% 的任务成功率——这是衡量代理点击、输入和导航桌面操作系统的标准基准。Pandaily 报道称，它是首个突破 90% 的计算机使用代理（CUA），领先于 OpenAI、Google 和 Anthropic 发布的分数。

交付成果

据 2026 年 8 月 3 日 Pandaily 报道，InAgent 在 OSWorld 上实现了 90.2% 的任务成功率，其中系统任务成功率达 100%。这是“计算机使用代理”领域的一个里程碑，该领域衡量代理操作操作系统的能力（如鼠标、键盘、窗口和应用程序）是否与人类相当。

我们的解读

关键不在于数字本身——OSWorld 在优化基准时存在软上限和“游戏化”光环——而在于发展轨迹。在计算机使用代理（CUA）这一领域，中国厂商与前沿实验室（OpenAI、Anthropic、Google）之间的差距正在缩小，甚至在消费级使用场景尚未稳定之前就已出现。Pandaily 将其描述为“工具链工程成为新的 AI 竞争前沿”。这与我们过去一个月在 harness-ops 领域的观察一致：产品性能的竞争焦点已从模型本身转向其周边工具链循环。

技术细节

在 OSWorld 上，达到 90% 的成功率通常需要一个完整的技术栈： （a）UI 感知模型（屏幕理解 + OCR）； （b）规划器（任务分解）； （c）执行器（鼠标/键盘原子化操作）； （d）代理记忆 + 回溯机制以修正错误。 系统任务 100% 的成功率表明 CLI/脚本部分已相当稳固；而全局 90% 的差距主要体现在多窗口且 UI 漂移的任务上——即屏幕在两次点击之间发生变化，代理需要重新感知。

关键启示

对于正在构建操作型代理的团队：

1. 勿盲目跟风基准分数——复现或等待独立复现；
2. 衡量感知与执行之间的差距——这是成本激增的关键点；
3. 在架构中严格区分感知、规划、执行角色——否则模型收益无法传导至产品。

关注要点

• InAgent 模型和/或工具链的发布（否则 90.2% 只是一纸空文）；
• 独立复现（若基准无法公开复现则毫无意义）；
• 每任务的 token 消耗成本——若 90% 成功率的代理每次任务成本为 10 美元，则无法实现工业化；
• 对非 Windows 操作系统的支持。