智能体真的会用电脑吗？a16z 用数据给出答案

核心亮点

a16z 用一组基准数据回应了“智能体到底会不会用电脑”的疑问。计算机操作智能体在 OSWorld-Verified 基准的最佳成绩，已从一年前的 42% 升至 85%。这已超人类测试者约 72% 的水平，其中 Claude Fable 5 以 85% 居首。换句话说，智能体操作图形界面，正从 demo 噱头变成可交付能力，且首次在受控环境下不输人类。

具体能力或事件经过

a16z 用数据回答了“智能体真的会用电脑吗”。OSWorld-Verified 是一个模拟真实桌面环境的评测，要求智能体像人一样点按钮、填表单、切窗口、跑命令来完成多步任务。一年前最佳成绩仅 42%，相当于勉强能上手；如今冲到 85%，意味着绝大多数日常操作已能自主完成，并首次稳定超过人类测试者约 72% 的通过率，说明在受控环境下机器操作已具备实用价值，而不只是实验室里的花活。

技术细节

成绩跃升来自几条技术线收敛：其一是更稳的视觉定位（grounding），模型能更准地识别界面元素坐标；其二是长程规划与重试机制，遇到弹窗或报错能自我纠正；其三是把“观察—思考—操作”闭环跑得更长而不丢失上下文。Claude Fable 5 以 85% 领先，说明在把语言推理映射到屏幕动作这块，强模型加专用后训练效果显著，缩小了“看懂”与“做对”之间的差距，让端到端任务更可靠。

与竞品对比

横向看，在 OSWorld 之外，WebVoyager、AndroidWorld 等也显示类似曲线：头部模型在“操作图形界面”上快速逼近人类。与纯对话智能体相比，计算机操作智能体的价值在于直接接管存量软件，无需对方开放 API，因此兼容海量既有工具。但也需注意，85% 是在受控基准上的成绩，真实桌面充满未见过布局和权限弹窗，泛化仍会打折，不能等同生产环境表现，落地仍需人在环。

行业影响或适用场景

说白了，智能体“会点电脑”不再是噱头，而成了可交付能力。对 RPA 厂商，这是正面冲击——基于模型的计算机操作智能体比写死脚本更灵活、更易维护，能适应界面变化；对企业，意味着报销、数据录入、跨系统核对等重复办公可被自动接管。但落地前要算清两笔账：一是脆弱流程的容错，二是操作留痕与权限管控，避免智能体在无人看管时误删或越权，把效率红利锁在可控范围内。