近日，來也科技 OpenAPA 框架在 Computer Use Agent 計算機操控智能體的權威基準 OSWorld 上取得 78.3% 的成績，在 Agentic Framework 這一技術路線上位列全球第一。

OSWorld 是什么？Computer Use Agent 界的“高考”

如果說大語言模型的能力可以用 MMLU、GSM8K 這些考試衡量，那么AI 是否能像人一樣操作電腦，標尺就是 OSWorld。這個由 HKUNLP、CMU、Waterloo 等頂尖機構聯(lián)合發(fā)布的基準，已成為全球評估計算機操作智能體 的黃金標準——OpenAI、Anthropic、Google 發(fā)布最新模型時，均以 OSWorld 作為官方標尺。

OSWorld的“權威性”來自三點：

· 真實環(huán)境：在真實的 Ubuntu 和 Windows 系統(tǒng)中，用真實的 Chrome、VS Code、LibreOffice、Thunderbird 等應用完成任務，不是仿真、不是沙盒簡化版

· 真實任務：361 個由人類專家精心設計的任務，覆蓋辦公、編程、瀏覽、設計、系統(tǒng)管理等日常工作場景

· 客觀評分：每個任務都配有可執(zhí)行的驗證腳本，Agent 是否真正完成，由機器自動判定，不靠人工評價

讓我們看一個來自 OSWorld 的真實任務：

一個熟練的辦公人員完成它也需要不少時間。而對 Agent 來說，這個任務的難度至少體現(xiàn)在兩點：

· 超過 60 步的連續(xù)操作：從打開郵件客戶端、定位郵件、下載附件、查看已有文件命名、按規(guī)則重命名，到打開賬本、找到正確的 sheet 和行列、按既有格式填寫——任何一步出錯都會連鎖失敗

· 全過程需要推理與判斷：Agent 必須看懂賬單的內容，總結已有 PDF 文件的命名規(guī)律，理解賬本 Excel 中行、列及格式，而不是按照預設腳本機械執(zhí)行

這只是 361 個任務中的一個。每一個百分點的提升，背后都是工程與算法的硬仗。

兩條技術路線，OpenAPA 在其中一條上站到了最前面

要準確理解 OpenAPA 的成績，需要先區(qū)分 OSWorld 上的兩條主流技術路線：

· 專用模型（Specialized Model）路線：通過在 GUI 操作數(shù)據(jù)上做大規(guī)模后訓練，得到“會操作計算機”的專用大模型，再搭配相對輕量的執(zhí)行層

· 通用模型 + Agentic Framework 路線：使用通用大模型（如 Gemini、Claude、GPT），依靠框架設計、規(guī)劃能力、多 Agent 協(xié)作、上下文工程等架構和工程創(chuàng)新驅動任務完成

兩條路線各有所長：專用模型對特定能力更“熟練”，通用框架則具備更強的可遷移性、可組合性和可控性——同一套框架可以隨著底層大模型的進步自動受益，也更適合企業(yè)根據(jù)自身業(yè)務與合規(guī)要求靈活調整框架。

OpenAPA 走的正是第二條路線，并在這條路線上以 78.3% 的成績取得了全球第一。這意味著，在不依賴專門訓練模型的前提下，僅通過架構與工程創(chuàng)新，Agent 框架+通用模型也能達到世界級的水平。

OpenAPA 的幾個關鍵創(chuàng)新

僅靠“通用模型 + Agent 框架”，OpenAPA 為什么能在 OSWorld 上跑出全球領先的成績？答案藏在它的架構設計里：

· 分層規(guī)劃 + 動態(tài)反思：初始規(guī)劃只定義“做什么”，不預先鎖死“怎么做”；反思模塊每一步基于最新截圖重新校準，有效抑制長程任務中的“越走越偏”。

· Coding Agent 和 GUI Agent 協(xié)作：Coding Agent 負責數(shù)值計算、數(shù)據(jù)清洗、文件解析等“程序化”工作，GUI Agent 專注視覺理解和執(zhí)行，兩者之間相互驗證、共享知識，兼顧效率與魯棒性。

· 面向長程任務的上下文工程：通過滑動窗口 + Token 預算機制，動態(tài)保留最近的關鍵截圖與推理軌跡，讓 100 步級別的長任務穩(wěn)定運行，Token 消耗降低 60% 以上。

· 推理與定位雙模型解耦：主推理模型負責任務理解與決策，專用視覺模型負責像素級坐標定位?！八伎肌焙汀翱础备魉酒渎?，避免單一模型兼顧兩頭但都做不到極致。

這些設計指向同一個目標：讓“通用模型 + 通用框架”，在真實世界的復雜任務中跑出專用系統(tǒng)才具備的可靠性。后續(xù)我們將有文章展開介紹 OpenAPA 的架構設計理念。

從 RPA 到 APA，再到 OpenAPA

企業(yè)級流程自動化，正在經歷一條清晰的演進路徑。

來也科技最近將 RPA 升級為 APA（Agentic Process Automation，智能體流程自動化），通過將智能體能力融入流程自動化的開發(fā)、執(zhí)行、維護全生命周期，讓企業(yè)級自動化變得更智能、更靈活、也更容易落地——過去需要 IT 團隊反復配置與維護的流程，如今可以由智能體基于目標自主完成，大幅降低了部署與變更的門檻。

而 OpenAPA 在 OSWorld 上探索的，是 APA 未來演進的下一條關鍵路徑——以 Computer Use Agent 為核心的“視覺驅動、語義理解、自主規(guī)劃、自我修復”范式，它不依賴固定的接口或腳本，而是像人一樣“看屏幕、做判斷、執(zhí)行操作”，這將為 APA 帶來了更強的界面理解、任務規(guī)劃和流程自愈能力。

來也科技已連續(xù)五年作為中國唯一廠商入選 Gartner 機器人流程自動化（RPA）魔力象限，同時也是中國唯一入選 Gartner 智能文檔處理（IDP）魔力象限和企業(yè)級對話式 AI 平臺魔力象限的廠商。來也科技已經通過 APA 證明了“智能體 × 流程自動化”的工程化價值，而 OpenAPA 則在更前沿的方向上，為未來的 APA 產品持續(xù)注入更靈活、更智能的能力輸入。兩者共同構成了來也科技對“下一代企業(yè)級自動化”的判斷與投入。

開源即刻可用

當 AI 學會看屏幕，企業(yè)流程自動化將不再止步于“按規(guī)則執(zhí)行”，而是走向“按目標自主完成”——來也科技愿意在這條演進之路上，作為持續(xù)的推動者和同行者。

Computer Use Agent 的發(fā)展還在早期，因此我們將 OpenAPA 開源，期待更多社區(qū)開發(fā)者和我們一起共同探索，共同成長，共同推進 Computer Use Agent 技術的發(fā)展：

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

關鍵詞：