macOS 27.3 teilt die alte Einstellung „Gerätesteuerung“ in „System- und App-Schutz-Ausnahme“ und „Bedienungshilfen“ auf. Neu sind eine Option „Jedes Mal fragen“ und ein Anzeigesymbol in der Menüleiste. Vor 27.3 erteilte Berechtigungen bleiben aber aktiv.
Bester KI-Agent zur Steuerung Ihres Computers 2026
Claude steuert 85,96% der echten Desktop-Aufgaben nur mit Bildschirmaufnahme und Bedienungshilfen. OpenClaw verlangt dagegen Vollzugriff auf die Festplatte und hat gar keinen Wert veröffentlicht.
- Nr. 1: Qwen3.8 Max (Alibaba)
- 10 Plätze
01Endgültige Liste
Die führenden KIs haben unabhängig voneinander jeweils eine eigene Liste mit zehn Plätzen erstellt. Hier steht ein leicht prüfbares Ergebnis: Jeder Platz hat einen Grund, eine Quelle und die Liste der KIs, die ihn aufgenommen haben.
Reihenfolge: von größter bis geringster Übereinstimmung der KIs.
Ein helles Kennzeichen heißt: Diese KI hat den Eintrag auf ihre Liste gesetzt. Ein blasses: hat sie nicht.
- 1
Qwen3.8 Max (Alibaba)
Höchster gelisteter OSWorld-Verified-Wert: 86,1%, aber nur Alibaba meldet ihn. Steel sagt, das getestete Bildmodell sei nicht öffentlich. Daher können Sie es noch nicht in Ihrer eigenen Sandbox betreiben.
Aufgenommen: Claude, ChatGPT, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Nicht aufgenommen: Gemini, Wenxin.In ihren Listen: Claude: 5 · ChatGPT: 1 · Meta: Liste ansehen · Grok: 3 · MiMo: 5 · Kimi: 2 · DeepSeek: 5 · Qwen: 1
Was jede KI angemerkt hat 8
- ClaudePlatz 5
Es hält den höchsten aufgelisteten OSWorld-Verified-Wert (86,1%). Die Gewichte sind jedoch nicht bestätigt, und der Wert stammt nur vom Anbieter.
Quelle ↗ - ChatGPTPlatz 1
86,1% führt die aktuelle OSWorld-Verified-Modelltabelle an. Die veröffentlichte Zeile verrät aber nicht, welches Agenten-Gerüst dahintersteckt.
Quelle ↗ - Meta
In der eigenen Liste anders benannt: ganze Liste öffnen.
Liste ansehen - GrokPlatz 3
Führt bei vielen Aggregatoren mit 86,1% verifiziert und offenen Gewichten.
Quelle ↗ - MiMoPlatz 5
Führt die Desktop-Tabelle mit 86,1% an. Als offen gelistet, während das getestete visuelle Modell es nicht ist.
Quelle ↗ - KimiPlatz 2
86,1% bei OSWorld-Verified. Die Gewichte sind herunterladbar (ein 27B-Checkpoint erreicht 84,3%), sodass das Top-Ergebnis am Desktop keinen Zugriff auf Ihren Rechner braucht.
Quelle ↗ - DeepSeekPlatz 5
86,1% bei OSWorld-Verified, der höchste gelistete Wert. Der lokale Berechtigungsbedarf des Agenten ist aber öffentlich nicht beschrieben.
Quelle ↗ - QwenPlatz 1
86,1% bei OSWorld-Verified, der bisher höchste verifizierte Desktop-Wert, bei feiner Kontrolle der Werkzeugberechtigungen.
Quelle ↗
8 KIs setzten es hierher - 2
Claude Computer Use (Anthropic: Claude Code, Cowork)
Höchster offiziell gemessener Wert eines gängigen Agenten: 85,96%, nur mit Bildschirmaufnahme und Bedienungshilfen, ohne Vollzugriff auf die Festplatte. Das Sternchen ist der Sandbox-Ausbruch „SharedRoot“ vom Juli.
Aufgenommen: Claude, ChatGPT, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Nicht aufgenommen: Gemini, Wenxin.In ihren Listen: Claude: 1 · ChatGPT: 2 · Meta: 1 · Grok: 10 · MiMo: 1 · Kimi: 6 · DeepSeek: 3 · Qwen: 3
Was jede KI angemerkt hat 8
- ClaudePlatz 1
Erreicht 85,0% bei OSWorld-Verified und 66,1% Teilerfolg bei OSWorld 2.0. Eingerichtet mit Bildschirmaufnahme und Bedienungshilfen, ohne Vollzugriff auf die Festplatte.
Quelle ↗ - ChatGPTPlatz 2
85% liegt 1,1 Punkte unter dem Spitzenwert. Die Benchmark-Tabelle schreibt das Ergebnis Anthropic zu.
Quelle ↗ - MetaPlatz 1
85,96% bei OSWorld-Verified für Fable 5 und 81,8% Teilerfolg bei OSWorld 2.1 für Opus 5.5. Standard ist eine Cloud-Sandbox, nicht der volle Festplattenzugriff.
Quelle ↗ - GrokPlatz 10
Bedienungshilfen und Bildschirmaufnahme nur für die jeweilige Sitzung, mit Bestätigungsabfragen pro App.
Quelle ↗ - MiMoPlatz 1
Der einzige Agent hier, der seine Befehle in einem Käfig ausführt. Und der Käfig senkte die Berechtigungsabfragen um 84%.
Quelle ↗ - KimiPlatz 6
Die Verbraucherverpackung desselben Stacks. Er fragt pro App nach, rät von Banking- und Gesundheits-Apps ab und greift nur auf Ihren Computer zu, solange die Desktop-App geöffnet ist.
Quelle ↗ - DeepSeekPlatz 3
85% bei OSWorld-Verified nur mit Bedienungshilfen und Bildschirmaufnahme, ohne vollen Festplattenzugriff. Dazu eine Außerkraftsetzung pro App in macOS 27.3.
Quelle ↗ - QwenPlatz 3
Erreicht 85,0% bei echten Desktop-Aufgaben, stützt sich dabei aber auf vollständige Außerkraftsetzungen für Bildschirmaufnahme und Bedienungshilfen.
Quelle ↗
8 KIs setzten es hierher - 3
OpenAI ChatGPT-Agent / Codex Computer Use
Zwei Modi mit zwei Zugriffskosten: Der Cloud-Agent von ChatGPT sieht Ihren Desktop nie, während Codex auf Ihrem Mac Bildschirmaufnahme und Bedienungshilfen braucht. GPT-5.5 erreicht 78,7% bei OSWorld-Verified.
Aufgenommen: Claude, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Nicht aufgenommen: ChatGPT, Gemini, Wenxin.In ihren Listen: Claude: Liste ansehen · Meta: 2 · Grok: 8 · MiMo: 3 · Kimi: 4 · DeepSeek: 1 · Qwen: Liste ansehen
Was jede KI angemerkt hat 7
- Claude
In der eigenen Liste anders benannt: ganze Liste öffnen.
Liste ansehen - MetaPlatz 2
78,7% bei OSWorld-Verified für GPT-5.5 und 62,6% Teilerfolg bei OSWorld 2.0 für GPT-5.6 Sol. Der Agent läuft in einer OpenAI-Sandbox und sieht standardmäßig Ihren Desktop nicht.
Quelle ↗ - GrokPlatz 8
Früh 38,1% bei OSWorld. Die spätere Sandbox-VM verringert den Bedarf an voller lokaler Kontrolle.
Quelle ↗ - MiMoPlatz 3
Das stärkste neue Modell für Computernutzung zu einem Drittel der Kosten. Dazu kommt eine eigene Sicherheitsübersicht, die Pannen am Arbeitsplatz auflistet.
Quelle ↗ - KimiPlatz 4
Der leistungsfähigste native Agent auf dem eigenen Mac (75% bei OSWorld-Verified) ist zugleich der anspruchsvollste: Bildschirmaufnahme, Bedienungshilfen, Freigaben pro App. Dazu kommt ein optionaler Modus „Locked Use“, der den Mac vorübergehend entsperren kann.
Quelle ↗ - DeepSeekPlatz 1
Erreicht 38,1% bei OSWorld aus einer Cloud-Browser-Sandbox. Kaum lokale Festplatten- oder Bedienungshilfen-Berechtigung nötig.
Quelle ↗ - Qwen
In der eigenen Liste anders benannt: ganze Liste öffnen.
Liste ansehen
7 KIs setzten es hierher - 4
Simular Sai (Agent S)
Kann auf einem Cloud-Desktop statt auf Ihrem Mac laufen. Es behauptet 73% teilweise Erfüllung bei OSWorld 2.0, schließt aber nur 28,25% der Aufträge vollständig ab. Simular hat den Benchmark mitverfasst und den Lauf selbst gemeldet.
Aufgenommen: Claude, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Nicht aufgenommen: ChatGPT, Gemini, Wenxin.In ihren Listen: Claude: 6 · Meta: 3 · Grok: 4 · MiMo: 7 · Kimi: 7 · DeepSeek: 6 · Qwen: 8
Was jede KI angemerkt hat 7
- ClaudePlatz 6
Kostet 15,70 $ pro Aufgabe bei OSWorld 2.0, bei 28,25% vollständig erledigter Aufgaben.
Quelle ↗ - MetaPlatz 3
73% Teilerfolg bei OSWorld 2.0, aber nur 28,25% vollständig erledigt. Das ist die größte Lücke zwischen Teilerfolg und Abschluss in dieser Rangliste.
Quelle ↗ - GrokPlatz 4
Höchster gemeldeter Teilerfolg bei OSWorld 2.0/2.1 (etwa 73–79%) zu geringeren Kosten als reine Spitzenmodelle.
Quelle ↗ - MiMoPlatz 7
Wird pro Auftrag verkauft: 15,70 $ pro erledigte Aufgabe. Der einzige Agent mit einem Preisschild am Ergebnis.
Quelle ↗ - KimiPlatz 7
69,9% bei OSWorld, 2,5 Punkte unter der menschlichen Basislinie. Das Ergebnis stammt aus einem offenen Rahmenwerk, dessen Behavior Best-of-N die Punkte mit zusätzlichen Durchläufen erkauft, nicht mit zusätzlichen Berechtigungen.
Quelle ↗ - DeepSeekPlatz 6
72,6% bei OSWorld, über der menschlichen Basislinie, in einem Open-Source-Gerüst, das mit Bedienungshilfen und Bildschirmaufnahme läuft.
Quelle ↗ - QwenPlatz 8
Erreicht 73% bei OSWorld 2.0 und verbindet lange berufliche Aufgaben mit einer strengen lokalen Sandbox.
Quelle ↗
7 KIs setzten es hierher - 5
Gemini Computer Use für Mac (Google)
Erreicht 83% bei OSWorld-Verified (von Google gemeldet). Er arbeitet in einem eigenen Fenster, nur in den Apps, die Sie wählen, und fragt vor wichtigen Aktionen nach. Prüfer warnen, dass eingeschleuster Text ihn trotzdem lenken kann.
Aufgenommen: Claude, ChatGPT, Meta, MiMo, Kimi, DeepSeek. Nicht aufgenommen: Grok, Gemini, Wenxin, Qwen.In ihren Listen: Claude: 7 · ChatGPT: Liste ansehen · Meta: 5 · MiMo: 2 · Kimi: 3 · DeepSeek: 8
Was jede KI angemerkt hat 6
- ClaudePlatz 7
Es arbeitet in einem separaten Fenster, doch Googles eigene Dokumentation warnt vor Prompt-Injection über Apps hinweg.
Quelle ↗ - ChatGPT
In der eigenen Liste anders benannt: ganze Liste öffnen.
Liste ansehen - MetaPlatz 5
83,0% bei OSWorld-Verified, gestartet am 19. November 2026. Am selben Tag wurde Apples eigener Mac-Agent gemeldet.
Quelle ↗ - MiMoPlatz 2
Spät dran, und der einzige Gast, der seine Arbeit zeigt, bevor er eine App anfasst.
Quelle ↗ - KimiPlatz 3
78,4% bei OSWorld-Verified mit „full: Sie betreiben die Umgebung“. Der Agent kommt ohne Mac-Berechtigungsblatt aus, weil die Sandbox Ihnen gehört.
Quelle ↗ - DeepSeekPlatz 8
83% bei OSWorld-Verified. Das Zugriffsprofil des Agenten-Gerüsts ist aber öffentlich nicht dokumentiert.
Quelle ↗
6 KIs setzten es hierher - 6
Holo3 / Holo4 (H Company)
Bestes Ergebnis, das das Benchmark-Team selbst gemessen hat: 82,6%, mit offenen Gewichten und 3B aktiven Parametern. Sie wählen also die Sandbox. Holo4-27B behauptet 85,2%, ist aber nur für die Forschung freigegeben.
Aufgenommen: Claude, ChatGPT, Meta. Nicht aufgenommen: Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.In ihren Listen: Claude: 3 · ChatGPT: 7 · Meta: 4
Was jede KI angemerkt hat 3
- ClaudePlatz 3
Der beste unabhängig getestete OSWorld-Verified-Eintrag (82,6%) stammt von einem Modell mit nur 3 Mrd. aktiven Parametern.
Quelle ↗ - ChatGPTPlatz 7
82,6% ist das stärkste unabhängig getestete Ergebnis unter diesen zehn Spitzenwerten. Es handelt sich um ein auf Computernutzung spezialisiertes Modell.
Quelle ↗ - MetaPlatz 4
85,2% bei OSWorld für 27B, bei 0,08 $ pro Aufgabe. Das beste Verhältnis von Ergebnis zu Preis hier, doch die 27B-Variante ist nur für die Forschung gedacht.
Quelle ↗
3 KIs setzten es hierher - 7
Meta Muse Spark / metacua
Erreicht 80,67% auf der offiziellen OSWorld-Verified-Liste. Doch metacua steuert standardmäßig Ihren echten Mac ohne Sandbox. Ein Vorfall mit Muse hat zur neuen Warnung von Apple beigetragen.
Aufgenommen: Claude, Meta, MiMo. Nicht aufgenommen: ChatGPT, Grok, Gemini, Kimi, DeepSeek, Wenxin, Qwen.In ihren Listen: Claude: 9 · Meta: 6 · MiMo: Liste ansehen
Was jede KI angemerkt hat 3
- ClaudePlatz 9
Erzielt die beste Vollerfolgs-Quote bei OSWorld 2.0 in der Tabelle: 32,0%. Der Teilerfolg ist mit 66,9% niedriger.
Quelle ↗ - MetaPlatz 6
80,67% verifiziert bei OSWorld-Verified. Er steuert aber Ihren echten Rechner, der Zugriff umfasst also den ganzen Mac und nicht nur eine Sandbox.
Quelle ↗ - MiMo
In der eigenen Liste anders benannt: ganze Liste öffnen.
Liste ansehen
3 KIs setzten es hierher - 8
Manus
Braucht keinen Zugriff auf Ihren Mac, weil jede Aufgabe ihre eigene Cloud-VM bekommt. Die OSWorld-Angabe von 72,5% stammt nur aus einem Marktbericht und steht auf keiner offiziellen Liste. Behandeln Sie sie daher als Schätzung.
Aufgenommen: Meta, DeepSeek. Nicht aufgenommen: Claude, ChatGPT, Grok, Gemini, MiMo, Kimi, Wenxin, Qwen.In ihren Listen: Meta: 8 · DeepSeek: 2
Was jede KI angemerkt hat 2
- MetaPlatz 8
Eine vollständig abgeschottete Cloud-VM pro Aufgabe mit Zero-Trust-Versprechen. Starke Sandbox, aber kein veröffentlichter OSWorld-Wert, der die Arbeit belegt.
Quelle ↗ - DeepSeekPlatz 2
Läuft in einer Cloud-VM mit Root-Zugriff. Sein Ergebnis von 72,5% bei OSWorld kommt daher ohne Zugriff auf die Festplatte Ihres Macs zustande.
2 KIs setzten es hierher - 9
Perplexity Personal Computer (Comet)
Verlangt alle drei großen Mac-Berechtigungen, einschließlich Vollzugriff auf die Festplatte. Es hat Freigabe-Checkpoints, aber keinen veröffentlichten OSWorld-Wert, der zeigt, was Sie dafür bekommen.
Aufgenommen: Meta, Wenxin. Nicht aufgenommen: Claude, ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Qwen.In ihren Listen: Meta: 9 · Wenxin: 9
Was jede KI angemerkt hat 2
- MetaPlatz 9
Verlangt auf Ihrem echten Mac Bedienungshilfen, Bildschirmaufnahme und vollen Festplattenzugriff, also die höchste lokale Berechtigungsforderung hier. Dazu kommen kein OSWorld-Wert und zwei öffentlich bekannte Sicherheitsvorfälle.
Quelle ↗ - WenxinPlatz 9
Bringt die Agenten-Orchestrierung direkt auf lokale Mac-Hardware. Dauerbetrieb rund um die Uhr, optimiert für Mac-mini-Installationen.
2 KIs setzten es hierher - 10
OpenClaw (früher Moltbot / Clawdbot)
Die meisten Zugriffsrechte, der geringste Nachweis: Vollzugriff auf die Festplatte für Terminal plus Bedienungshilfen und Bildschirmaufnahme, Steuerung Ihres echten Mac ohne Sandbox und kein OSWorld-Wert.
Aufgenommen: Claude, Meta. Nicht aufgenommen: ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.In ihren Listen: Claude: 10 · Meta: 10
Was jede KI angemerkt hat 2
- ClaudePlatz 10
Die eigene Dokumentation nennt die nötigen macOS-Berechtigungen. Das macht es zur transparentesten offenen Option, doch einen eigenen Benchmark-Wert hat es nicht.
Quelle ↗ - MetaPlatz 10
Maximaler Zugriff, kein Benchmark: Vollzugriff auf die Festplatte für Terminal, dazu Bedienungshilfen und Bildschirmaufnahme. Ein veröffentlichter OSWorld-Wert, der das rechtfertigt, fehlt.
Quelle ↗
2 KIs setzten es hierher
02Wissenswert
Was den KIs beim Erstellen der Liste aufgefallen ist.
Die offizielle Nummer 1 bei OSWorld-Verified ist Intelligence-Indeed Agent mit 90,19%. Das Ergebnis hat der Anbieter selbst eingereicht, und zu den nötigen Zugriffsrechten ist nichts veröffentlicht.
Allein die Einstellung für den Aufwand bringt Claude Opus 5 bei OSWorld 2.0 von 18,81% auf 44,33% vollständig abgeschlossene Aufgaben.
Gemini Computer Use für Mac startete am 19. November 2026. Am selben Tag wurde gemeldet, dass Apple seinen eigenen Mac-Agenten schon ab Ende 2027 baut.
03So haben wir gezählt
In einfachen Worten, ohne Formeln.
1Die Frage
Die 10 besten KI-Agenten, die Ihren Computer steuern: Wie gut sie arbeiten, gemessen an dem Zugriff, den sie verlangen
2Warum dieses Thema
Der Leser sieht das Benchmark-Ergebnis und den Preis in Zugriff nebeneinander. So wird deutlich, dass der stärkste Agent nicht immer der ist, der am wenigsten von Ihrem Mac braucht.
3Wofür es gilt
Weltweit; KI-Agenten, die einen Desktop bedienen (Mac, Windows, Linux), einschließlich Desktop-Apps und Browser
4Worauf wir geachtet haben
- Punktzahl der Aufgabenerledigung auf OSWorld-Verified (echte Desktop-Aufgaben), mit dem getesteten Modell, der Agenten-Konfiguration und der Benchmark-Version
- Punktzahl bei den schwereren Aufgaben mit langem Horizont von OSWorld 2.0, getrennt ausgewiesen und nie mit OSWorld-Verified vermischt
- Umfang des Systemzugriffs, den die Konfiguration des Agenten verlangt: Vollzugriff auf die Festplatte, Bildschirmaufnahme, Steuerung über Bedienungshilfen und die Überschreibungsstufe in macOS 27.3
- Ob der Agent in einer Sandbox laufen kann oder in einem Modus, der jedes Mal um Erlaubnis fragt
- OSWorld-Verified offizielle Liste (OSWorld-Team) — Anteil der echten Desktop-Aufgaben, die abgeschlossen wurden, geprüft am finalen Zustand der App oder Datei; das OSWorld-Team lässt diese Zeilen selbst mit 100 Schritten laufen
- BenchLM-OSWorld-Verified-Tracker — 36 Modelle, jedes als vom Anbieter gemeldet oder vom OSWorld-Verified-Team gemessen gekennzeichnet
- OSWorld 2.0 / 2.1 (Snorkel AI, Steel) — Teilweise und strikt binär abgeschlossene Aufgaben bei 108 langen Arbeitsabläufen; eigene Skala, nie mit OSWorld-Verified vermischt
- Berechtigungsmodell von macOS 27.3 (MacRumors) — welche Stufe eine App anfordert: jedes Mal fragen, Bedienungshilfen, Vollzugriff auf die Festplatte, System- und App-Schutz-Ausnahme
5Wer gerankt hat
Die führenden KIs: Claude, ChatGPT, Meta, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen. Jede hat unabhängig ihre eigene Zehnerliste erstellt und für jeden Platz eine Quelle genannt.
6Wie die Plätze festgelegt wurden
Derselbe Eintrag, von verschiedenen KIs unterschiedlich formuliert, wurde als einer gezählt. Je mehr KIs einen Eintrag auf ihre Liste setzten und je höher, desto höher sein Platz. „Einigkeit der KIs“ zeigt, wie viele KIs ihn auf ihrer eigenen Liste hatten. Quellen sind nur die, die die KIs selbst gefunden haben; nichts wurde von Hand ergänzt.
04Die Liste jeder KI
🇺🇸 Claude10 Plätze · 4 Hinweise
Dieselbe Frage, allein von Claude beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Claude Fable 5 (Anthropic, Computersteuerung, 2026)
Erreicht 85,0% bei OSWorld-Verified und 66,1% Teilerfolg bei OSWorld 2.0. Eingerichtet mit Bildschirmaufnahme und Bedienungshilfen, ohne Vollzugriff auf die Festplatte.
Quelle ↗ - 2Claude Opus 5 (Anthropic, 2026)
Sein OSWorld-2.0-Ergebnis hat Snorkel AI unabhängig reproduziert (31,43% vollständig erledigt). Außerdem weist es die niedrigste veröffentlichte Prompt-Injection-Rate in GUI-Tests auf (0,54%).
Quelle ↗ - 3Holo3 (H Company, 35B-A3B)
Der beste unabhängig getestete OSWorld-Verified-Eintrag (82,6%) stammt von einem Modell mit nur 3 Mrd. aktiven Parametern.
Quelle ↗ - 4GPT-6 Astra (OpenAI)
Bei den OSWorld-2.0-Angaben zum Offline-Teilsatz liegt es mit 72,6% Teilerfolg vor den OpenAI-Modellen. Eine passende OSWorld-Verified-Zahl hat OpenAI aber nicht veröffentlicht, soweit ich finden konnte.
Quelle ↗ - 5Qwen3.8-Max (Alibaba)
Es hält den höchsten aufgelisteten OSWorld-Verified-Wert (86,1%). Die Gewichte sind jedoch nicht bestätigt, und der Wert stammt nur vom Anbieter.
Quelle ↗ - 6Simular Sai
Kostet 15,70 $ pro Aufgabe bei OSWorld 2.0, bei 28,25% vollständig erledigter Aufgaben.
Quelle ↗ - 7Gemini, Computersteuerung auf dem Mac (Google, 2026)
Es arbeitet in einem separaten Fenster, doch Googles eigene Dokumentation warnt vor Prompt-Injection über Apps hinweg.
Quelle ↗ - 8Claude Sonnet 5 (Anthropic)
81,2% bei OSWorld-Verified von einem Modell der mittleren Klasse, mit denselben zwei Berechtigungen wie die Spitzenmodelle.
Quelle ↗ - 9Muse Spark 1.3 (Meta)
Erzielt die beste Vollerfolgs-Quote bei OSWorld 2.0 in der Tabelle: 32,0%. Der Teilerfolg ist mit 66,9% niedriger.
Quelle ↗ - 10OpenClaw (Open-Source-Agent für den Mac)
Die eigene Dokumentation nennt die nötigen macOS-Berechtigungen. Das macht es zur transparentesten offenen Option, doch einen eigenen Benchmark-Wert hat es nicht.
Quelle ↗
Was Claude aufgefallen ist
Bei OSWorld 2.0 liegt das beste unabhängige Vollerfolgsergebnis (etwa 31%) weit unter den 66–78% Teilerfolg, die Anbieter nennen. Die Wahl der Messgröße verändert also die Aussage.
Die Spitzenmodelle bei OSWorld-Verified liegen innerhalb von etwa einem Punkt beieinander. Das deutet darauf hin, dass der Test ausgereizt ist.
macOS 27.3 teilt die bisherige breite Berechtigung in „System & App Protection Override“ und Bedienungshilfen auf. Nutzer können außerdem verlangen, dass jede Freigabe bei jeder Anfrage erneut bestätigt wird.
Apple stellt Berichten zufolge Personal ein, um einen eigenen Agenten zu bauen, der den Mac steuert. Der Start könnte schon Ende 2027 erfolgen.
🇺🇸 ChatGPT10 Plätze · 2 Hinweise
Dieselbe Frage, allein von ChatGPT beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Qwen3.8 Max (2026)
86,1% führt die aktuelle OSWorld-Verified-Modelltabelle an. Die veröffentlichte Zeile verrät aber nicht, welches Agenten-Gerüst dahintersteckt.
Quelle ↗ - 2Claude Fable 5 (2026)
85% liegt 1,1 Punkte unter dem Spitzenwert. Die Benchmark-Tabelle schreibt das Ergebnis Anthropic zu.
Quelle ↗ - 3Claude Mythos 5 (2026)
85% ist gleichauf mit dem Zweitplatzierten. Die veröffentlichten Zahlen klären nicht, mit welchem Agenten-Setup das Ergebnis erzielt wurde.
Quelle ↗ - 4Qwen3.8-27B (2026)
84,3% liegt weniger als zwei Punkte hinter dem führenden Qwen3.8-Max-Ergebnis.
Quelle ↗ - 5Claude Opus 4.8 (2026)
83,4% beim kürzeren Benchmark steht nur 20,6% vollständig abgeschlossener Aufgaben bei OSWorld 2.0 gegenüber.
Quelle ↗ - 6Gemini 3.6 Flash (2026)
83% ist ein vom Anbieter gemeldetes Ergebnis. Die Tabelle liefert nicht genug Angaben zum Setup für einen fairen Produktvergleich.
Quelle ↗ - 7Holo3-35B-A3B (2026)
82,6% ist das stärkste unabhängig getestete Ergebnis unter diesen zehn Spitzenwerten. Es handelt sich um ein auf Computernutzung spezialisiertes Modell.
Quelle ↗ - 8MiMo-V2.6-Pro (2026)
82% hält es unter den besten acht. Das Ergebnis stammt aber vom Anbieter und nicht aus einem offengelegten Test eines Agenten für Endnutzer.
Quelle ↗ - 9Claude Sonnet 5 (2026)
81,2% liegt 0,4 Punkte vor dem nächsten Modell. Die Zeile lässt jedoch das Agenten-Gerüst weg.
Quelle ↗ - 10MiMo-V2.6-Flash (2026)
80,8% schließt die Top 10 ab, 5,3 Punkte unter dem Spitzenergebnis.
Quelle ↗
Was ChatGPT aufgefallen ist
Die Zeile mit 82,6% für Holo3-35B-A3B ist als von OSWorld-Verified getestet markiert. Die meisten höher bewerteten Zeilen stammen vom Anbieter. Die Reihenfolge an der Spitze ist also kein einheitlicher unabhängiger Vergleich.
macOS 27.3 fügt eine Berechtigungsoption pro Anfrage hinzu und trennt Bedienungshilfen von „System & App Protection Override“. Apple zufolge bleiben früher erteilte App-Berechtigungen weiterhin wirksam.
🇺🇸 Meta10 Plätze · 3 Hinweise
Dieselbe Frage, allein von Meta beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Claude Cowork (Anthropic, 2026)
85,96% bei OSWorld-Verified für Fable 5 und 81,8% Teilerfolg bei OSWorld 2.1 für Opus 5.5. Standard ist eine Cloud-Sandbox, nicht der volle Festplattenzugriff.
Quelle ↗ - 2OpenAI ChatGPT-Agent (GPT-5.6 Sol, 2026)
78,7% bei OSWorld-Verified für GPT-5.5 und 62,6% Teilerfolg bei OSWorld 2.0 für GPT-5.6 Sol. Der Agent läuft in einer OpenAI-Sandbox und sieht standardmäßig Ihren Desktop nicht.
Quelle ↗ - 3Simular Sai (Agent S, 2026)
73% Teilerfolg bei OSWorld 2.0, aber nur 28,25% vollständig erledigt. Das ist die größte Lücke zwischen Teilerfolg und Abschluss in dieser Rangliste.
Quelle ↗ - 4H Company Holo4, Agent für Computersteuerung (2026)
85,2% bei OSWorld für 27B, bei 0,08 $ pro Aufgabe. Das beste Verhältnis von Ergebnis zu Preis hier, doch die 27B-Variante ist nur für die Forschung gedacht.
Quelle ↗ - 5Google Gemini, Computersteuerung für den Mac (Gemini 3.6 Flash, 2026)
83,0% bei OSWorld-Verified, gestartet am 19. November 2026. Am selben Tag wurde Apples eigener Mac-Agent gemeldet.
Quelle ↗ - 6Meta Muse / metacua (Muse Spark 1.1, 2026)
80,67% verifiziert bei OSWorld-Verified. Er steuert aber Ihren echten Rechner, der Zugriff umfasst also den ganzen Mac und nicht nur eine Sandbox.
Quelle ↗ - 7Microsoft 365 Copilot Researcher mit Computersteuerung (2026)
Das sauberste Zugriffsmodell hier: für jedes Gespräch eine frische Sandbox. Doch es gibt keinen reproduzierbaren OSWorld-Wert, mit dem man es vergleichen könnte.
Quelle ↗ - 8Manus 2.0 (2026)
Eine vollständig abgeschottete Cloud-VM pro Aufgabe mit Zero-Trust-Versprechen. Starke Sandbox, aber kein veröffentlichter OSWorld-Wert, der die Arbeit belegt.
Quelle ↗ - 9Perplexity Comet Personal Computer (2026)
Verlangt auf Ihrem echten Mac Bedienungshilfen, Bildschirmaufnahme und vollen Festplattenzugriff, also die höchste lokale Berechtigungsforderung hier. Dazu kommen kein OSWorld-Wert und zwei öffentlich bekannte Sicherheitsvorfälle.
Quelle ↗ - 10OpenClaw (früher Moltbot / Clawdbot, 2026)
Maximaler Zugriff, kein Benchmark: Vollzugriff auf die Festplatte für Terminal, dazu Bedienungshilfen und Bildschirmaufnahme. Ein veröffentlichter OSWorld-Wert, der das rechtfertigt, fehlt.
Quelle ↗
Was Meta aufgefallen ist
Gemini-Computernutzung für den Mac ist am 19. November 2026 gestartet. Am selben Tag berichtete TechCrunch, dass Apple einen eigenen KI-Agenten baut, der den Mac nutzt und schon Ende 2027 starten könnte.
macOS 27.3 teilt Gerätesteuerung und Datenzugriff in „System & App Protection Override“ und Bedienungshilfen auf. Es kommen Vollzugriff auf die Festplatte pro Ordner, eine Option „Bei jeder Anfrage fragen“ und eine Anzeige in der Menüleiste hinzu, wenn eine App eine andere steuert.
Der oberste Eintrag der verifizierten OSWorld-Tabelle ist kein Verbrauchermodell: Intelligence-Indeed Agent erreichte 90,19% verifiziert und liegt damit vor Claude Fable 5 mit 85,96%. Das zeigt, wie viel Gerüst und Rahmenwerk über dem Modell selbst ausmachen.
🇺🇸 Grok10 Plätze · 1 Hinweise
Dieselbe Frage, allein von Grok beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Intelligence-Indeed Z-Agent / InAgent (2026)
Erster verifizierter Agent über 90% bei OSWorld-Verified (90,19%).
Quelle ↗ - 2Claude Fable 5 / Mythos 5, Computersteuerung (Anthropic, 2026)
85% verifiziert, nah an der Spitze, während Anthropic auch bei den Teilerfolgen über lange Aufgaben vorn liegt.
Quelle ↗ - 3Qwen3.8 Max, Einrichtung für Computersteuerung (Alibaba, 2026)
Führt bei vielen Aggregatoren mit 86,1% verifiziert und offenen Gewichten.
Quelle ↗ - 4Simular Sai (2026)
Höchster gemeldeter Teilerfolg bei OSWorld 2.0/2.1 (etwa 73–79%) zu geringeren Kosten als reine Spitzenmodelle.
Quelle ↗ - 5Claude Opus 5 / 5.5, Computersteuerung (Anthropic, 2026)
Spitze bei Vollerfolg und Teilerfolg bei langen Aufgaben in OSWorld 2.0/2.1 (bis 44% vollständig, 81,8% Teilerfolg).
Quelle ↗ - 6Coasty CUA (2026)
82,81% offizieller verifizierter Eintrag. Betont die Steuerung eines echten Desktops.
Quelle ↗ - 7Pointer Agent + Opus 4.7 (2026)
83,64% verifiziert mit hybridem Ansatz aus Programmierung und grafischer Oberfläche.
Quelle ↗ - 8OpenAI ChatGPT Agent, Nachfolger von Operator (2025–2026)
Früh 38,1% bei OSWorld. Die spätere Sandbox-VM verringert den Bedarf an voller lokaler Kontrolle.
Quelle ↗ - 9Microsoft Mage-VL-Cowork 4B (2026)
66,0% verifiziert im 4B-Maßstab. Der beste gemeldete offene, kompakte Hybrid-Agent aus grafischer Oberfläche und Shell.
Quelle ↗ - 10Claude Code, Computersteuerung (Anthropic, 2026)
Bedienungshilfen und Bildschirmaufnahme nur für die jeweilige Sitzung, mit Bestätigungsabfragen pro App.
Quelle ↗
Was Grok aufgefallen ist
Agenten übertreffen inzwischen regelmäßig die menschliche Basislinie von etwa 72% bei OSWorld-Verified. Der vollständige Abschluss langer OSWorld-2.0-Aufgaben bleibt aber selbst bei den Spitzenreitern unter 50%.
🇺🇸 Gemini10 Plätze · 1 Hinweise
Dieselbe Frage, allein von Gemini beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Anthropic Claude 3.7 Sonnet, Computersteuerung (2025)
Erreicht 44,2% bei OSWorld-Verified und bietet dabei eine strikte API-Sandbox in Docker sowie die Freigabe jeder einzelnen Aktion durch einen Menschen.
- 2ByteDance UI-TARS-2 (2025)
Übertrifft geschlossene Modelle mit 53,1% bei OSWorld-Verified. Er läuft lokal auf Verbraucherhardware und braucht keinen Root-Zugriff und keine Telemetrie in die Cloud.
Quelle ↗ - 3Agent S2.5 mit o3 (2025)
Nutzt Reasoning-Token für 56,4% bei verifizierten Desktop-Aufgaben. Verlangt aber tief eingreifende Bedienungshilfen sowie uneingeschränktes Lesen und Schreiben im Dateisystem.
- 4OpenAI Operator (2025)
Erzielt 46,8% bei browsergestützten Desktop-Aufgaben und begrenzt seinen Wirkungsradius vor allem auf Browser-Automatisierung und isolierte VM-Tabs.
- 5Coasty, autonomer Agent (2025)
Erreicht 42,1% bei OSWorld-Aufgaben, mit eingebautem Remote-Browser und Desktop-Sandbox, die Ihr lokales System von beliebigen Klicks abschirmt.
- 6OS-Copilot / FRIDAY (2024)
Hat selbstlernende Desktop-Agenten mit 35,6% bei OSWorld vorangebracht. Verlangt aber eine uneingeschränkte Bash-Root-Shell und vollen Festplattenzugriff.
- 7Simular AI Agent (2025)
Erreicht 38,3% bei verifizierten Benchmarks mit nativen multimodalen GUI-Koordinaten und einer strikten Bestätigungspflicht vor jeder Ausführung.
- 8OpenAdapt, Desktop-Automatisierung (2024)
Zeichnet Bildschirmzustände und Nutzerdemonstrationen auf und erreicht 29,8% bei Desktop-Abläufen. Läuft transparent über offene lokale Protokolle.
Quelle ↗ - 9Adept ACT-1 / Workday Agent (2024)
Hat Bedienaktionen in Unternehmenssoftware mit 31,2% verifizierter Aufgabenquote vorangebracht. Er bleibt aber in Browser-DOM-Hüllen statt bei direkter Systemsteuerung.
- 10Apple-Prototyp eines Mac-Agenten (2026)
Zielt auf die systemweite Integration von Siri und App Intents, um appübergreifende Mac-Aufgaben unter Apples nativen Sicherheitsregeln von macOS 27.3 auszuführen.
Quelle ↗
Was Gemini aufgefallen ist
Das kommende Update macOS 27.3 von Apple führt strenge Warnhinweise ein, sobald Drittanbieter-Agenten gleichzeitig die Rechte für Bildschirmaufnahme und Bedienungshilfen anfordern. Damit stellt es autonome Desktop-Wrapper direkt infrage.
🇨🇳 MiMo10 Plätze · 4 Hinweise
Dieselbe Frage, allein von MiMo beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Claude Code (Anthropic, 2026)
Der einzige Agent hier, der seine Befehle in einem Käfig ausführt. Und der Käfig senkte die Berechtigungsabfragen um 84%.
Quelle ↗ - 2Gemini für den Mac, Computersteuerung (Google, 2026)
Spät dran, und der einzige Gast, der seine Arbeit zeigt, bevor er eine App anfasst.
Quelle ↗ - 3GPT-6.2 Astra, Computersteuerung (OpenAI, 2026)
Das stärkste neue Modell für Computernutzung zu einem Drittel der Kosten. Dazu kommt eine eigene Sicherheitsübersicht, die Pannen am Arbeitsplatz auflistet.
Quelle ↗ - 4Claude Cowork, Computersteuerung (Anthropic)
Spitzenwerte und eine ehrliche Fußnote in der eigenen Dokumentation: keine Sandbox zwischen dem Agenten und Ihrem Bildschirm.
Quelle ↗ - 5Qwen3.8 Max (Alibaba, 2026)
Führt die Desktop-Tabelle mit 86,1% an. Als offen gelistet, während das getestete visuelle Modell es nicht ist.
Quelle ↗ - 6Claude Opus 5, Computersteuerung (Anthropic)
Dasselbe Modell, derselbe Tag: 18,8% oder 44,3% einer langen Aufgabe erledigt, je nachdem, wie sehr man ihm sagt, sich anzustrengen.
Quelle ↗ - 7Simular Sai (Simular AI, 2026)
Wird pro Auftrag verkauft: 15,70 $ pro erledigte Aufgabe. Der einzige Agent mit einem Preisschild am Ergebnis.
Quelle ↗ - 8MiMo-V2.6 (Xiaomi, 2026)
Offene Gewichte bei 82%. Nah an den kommerziellen Spitzenreitern, ohne Bindung an einen Anbieter.
Quelle ↗ - 9Mac-Agent von Apple (in Entwicklung, 2027)
Der Agent des Torwächters selbst: Er hilft beim Schreiben der Berechtigungsregeln, an die er sich dann hält.
Quelle ↗ - 10Intelligence-Indeed Agent (2026)
Der Rätselchampion der Tabelle: 90,19%, über der menschlichen Basislinie. Und kaum jemand kann ihn benennen.
Quelle ↗
Was MiMo aufgefallen ist
Agenten haben Menschen beim Desktop-Test mit 369 Aufgaben geschlagen (menschliche Basislinie 72,36%, bester Wert 90,19%). Doch die beste Maschine erledigt bei OSWorld 2.0 vollständig weniger als die Hälfte der langen, echten Aufgaben.
Die Einstellung des Aufwands bewegt die Ergebnisse mehr als die Wahl des Modells. Opus 5 steigt bei demselben Benchmark von 18,81% auf 44,33% Vollerfolg, nur indem der Aufwand von niedrig auf maximal gestellt wird.
Der Agent mit der besten Zugriffsgeschichte läuft in einer Sandbox und senkte die Berechtigungsabfragen um 84%. Der mit den besten Ergebnissen sagt offen, dass er gar keine Sandbox hat.
Apples neue macOS-Version behandelt KI-Agenten als Risiko, dem man vorbeugen muss, und trennt deshalb die Festplattenberechtigungen. Zugleich baut Apple selbst einen Agenten für 2027.
🇨🇳 Kimi10 Plätze · 4 Hinweise
Dieselbe Frage, allein von Kimi beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Claude Computersteuerung (Claude Opus 5.5, Anthropic)
Das beste Langzeit-Desktop-Ergebnis überhaupt: 48,7% Vollerfolg bei OSWorld 2.0. Es entsteht in einer VM, die Sie selbst stellen, und berührt deshalb nie die Berechtigungsstufen Ihres Macs.
Quelle ↗ - 2Qwen3.8 Max (Alibaba)
86,1% bei OSWorld-Verified. Die Gewichte sind herunterladbar (ein 27B-Checkpoint erreicht 84,3%), sodass das Top-Ergebnis am Desktop keinen Zugriff auf Ihren Rechner braucht.
Quelle ↗ - 3Gemini Computersteuerung (Google, Gemini 3.x)
78,4% bei OSWorld-Verified mit „full: Sie betreiben die Umgebung“. Der Agent kommt ohne Mac-Berechtigungsblatt aus, weil die Sandbox Ihnen gehört.
Quelle ↗ - 4ChatGPT Computersteuerung (OpenAI, GPT-5.4)
Der leistungsfähigste native Agent auf dem eigenen Mac (75% bei OSWorld-Verified) ist zugleich der anspruchsvollste: Bildschirmaufnahme, Bedienungshilfen, Freigaben pro App. Dazu kommt ein optionaler Modus „Locked Use“, der den Mac vorübergehend entsperren kann.
Quelle ↗ - 5Kimi K2.6 (Moonshot AI)
73,1% bei OSWorld-Verified in einem offenen Modell. Stark genug, um zu zählen, und kostenlos in einer Wegwerf-VM zu betreiben.
Quelle ↗ - 6Claude Cowork / Claude-Desktop-Computersteuerung (Anthropic)
Die Verbraucherverpackung desselben Stacks. Er fragt pro App nach, rät von Banking- und Gesundheits-Apps ab und greift nur auf Ihren Computer zu, solange die Desktop-App geöffnet ist.
Quelle ↗ - 7Agent S3 (Simular AI)
69,9% bei OSWorld, 2,5 Punkte unter der menschlichen Basislinie. Das Ergebnis stammt aus einem offenen Rahmenwerk, dessen Behavior Best-of-N die Punkte mit zusätzlichen Durchläufen erkauft, nicht mit zusätzlichen Berechtigungen.
Quelle ↗ - 8UI-TARS-2 (ByteDance)
47,5% bei OSWorld mit einem Datenschutz-Vorteil: Die 7B-Variante läuft auf einer einzigen Verbraucher-GPU, sodass Ihr Bildschirm den Rechner nie verlassen muss.
Quelle ↗ - 9OpenCUA-72B (HKU & Moonshot AI)
45,0% bei OSWorld-Verified, der Spitzenwert unter Open-Source-Modellen (SOTA). Da Code, Daten und Modelle alle öffentlich sind, ist die Nachprüfbarkeit der eigentliche Zugriffsvorteil.
Quelle ↗ - 10Intelligence-Indeed Agent
Die 90,19% an der Spitze der offiziellen OSWorld-Verified-Tabelle. Eine Zahl, die fast niemand außerhalb der eigenen Einreichung nachvollziehen kann.
Quelle ↗
Was Kimi aufgefallen ist
Die beiden OSWorld-Zahlen beschreiben verschiedene Produkte. Derselbe Claude Opus 4.8 erreicht 83,5% bei OSWorld-Verified, aber nur 20,6% Vollerfolg bei den 108 langen Arbeitsabläufen von OSWorld 2.0. Kurze Demo-Aufgaben sind fast gelöst, Aufgaben von der Länge eines Arbeitstags nicht.
macOS 27.3 teilt den alten Schalter „Device Control & Data Access“ in „System & App Protection Override“ und Bedienungshilfen. Dazu kommen eine Stufe „Ask First“, Freigaben pro App, ausdrückliche Warnungen „Read, Change, Delete, and Export All Your Data“ und eine Anzeige in der Menüleiste. Doch jede Berechtigung, die vor 27.3 erteilt wurde, bleibt wirksam.
Der Stand der Technik bei der Desktop-Steuerung lässt sich herunterladen. Alibaba hat einen Checkpoint der Max-Klasse als Open Source veröffentlicht (eine 27B-Variante erreicht 84,3% bei OSWorld-Verified). Damit wird erstmals ein vollständig abgeschotteter, selbst betriebener Spitzenagent möglich.
OSWorld-Verified ist gesättigt. Die Spitzenmodelle liegen innerhalb von etwa 1,1 Punkten beieinander, über der menschlichen Basislinie von 72,36%. Genau deshalb gibt es OSWorld 2.0, und Agenten werden inzwischen nach der Breite ihres Zugriffs beurteilt statt nach dem letzten Benchmark-Punkt.
🇨🇳 DeepSeek10 Plätze · 4 Hinweise
Dieselbe Frage, allein von DeepSeek beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1OpenAI Operator (2026)
Erreicht 38,1% bei OSWorld aus einer Cloud-Browser-Sandbox. Kaum lokale Festplatten- oder Bedienungshilfen-Berechtigung nötig.
Quelle ↗ - 2Desktop-Agent Manus (Meta, 2026)
Läuft in einer Cloud-VM mit Root-Zugriff. Sein Ergebnis von 72,5% bei OSWorld kommt daher ohne Zugriff auf die Festplatte Ihres Macs zustande.
- 3Claude Computersteuerung (Claude-Fable-5-/Opus-5-Umgebung, 2026)
85% bei OSWorld-Verified nur mit Bedienungshilfen und Bildschirmaufnahme, ohne vollen Festplattenzugriff. Dazu eine Außerkraftsetzung pro App in macOS 27.3.
Quelle ↗ - 4Coasty CUA v1 (2026)
82,81% verifiziert bei OSWorld-Verified. Angefordert werden Bildschirmaufnahme und Bedienungshilfen, nicht der volle Festplattenzugriff.
Quelle ↗ - 5Agent Qwen3.8 Max (Alibaba, 2026)
86,1% bei OSWorld-Verified, der höchste gelistete Wert. Der lokale Berechtigungsbedarf des Agenten ist aber öffentlich nicht beschrieben.
Quelle ↗ - 6Agent S3 (Simular, 2026)
72,6% bei OSWorld, über der menschlichen Basislinie, in einem Open-Source-Gerüst, das mit Bedienungshilfen und Bildschirmaufnahme läuft.
Quelle ↗ - 7UiPath Screen Agent (Claude Opus 4.5, 2026)
67,1% bei OSWorld-Verified im Januar 2026. Respektabel, verlangt aber volle Kontrolle der Benutzeroberfläche am Desktop.
- 8Agent Gemini 3.6 Flash (Google, 2026)
83% bei OSWorld-Verified. Das Zugriffsprofil des Agenten-Gerüsts ist aber öffentlich nicht dokumentiert.
Quelle ↗ - 9Agent Kimi K3 (Moonshot AI, 2026)
84,8% bei OSWorld-Verified Stand 8. November 2026. Hohe Aufgabenerfolgsquote, doch welche lokalen Berechtigungen nötig sind, ist unklar.
- 10UI-TARS-2 (ByteDance, 2026)
47,5% bei OSWorld und 50,6% bei WindowsAgentArena. Native Steuerung der grafischen Oberfläche, die aber Bildschirm- und Eingabeberechtigungen braucht.
Was DeepSeek aufgefallen ist
Das Verhältnis von Zugriff zu Ergebnis ist extrem: Operator verliert 47 Prozentpunkte beim OSWorld-Erfolg gegenüber Claude Fable 5 (38,1% gegenüber 85%), berührt dafür aber nie Ihre lokale Festplatte. Claude braucht für 85% nur Bedienungshilfen und Bildschirmaufnahme, nicht den vollen Festplattenzugriff.
OSWorld 2.0 drückt alle nach unten. Der beste Vollerfolg liegt bei 44,33% (Claude Opus 5, maximaler Aufwand, Batch-Tool), obwohl dieselbe Modellfamilie bei OSWorld-Verified auf 85% kommt. Der längere Zeithorizont ist ein anderes Spiel.
macOS 27.3 macht die Zugriffsfrage ausdrücklich. Der volle Festplattenzugriff wird aufgeteilt und begrenzt, und „System & App Protection Override“ bekommt eine eigene Stufe mit Anzeige in der Menüleiste. Ein Agent, der nur „bloß“ Bedienungshilfen verlangt, unterscheidet sich damit sichtbar von einem, der Override-Kontrolle will.
Coastys verifizierter Wert von 82,81% liegt über den meisten kommerziellen Agenten und nahe an den Spitzenwerten der Modelle. Eine veröffentlichte OSWorld-2.0-Zeile fehlt aber, was zeigt, wie ungleich der Langzeit-Benchmark angenommen wird.
🇨🇳 Wenxin10 Plätze · 1 Hinweise
Dieselbe Frage, allein von Wenxin beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Hauseigener macOS-KI-Agent von Apple (Version Anfang 2027)
Nach Konzept keine Weitergabe von Daten an Dritte, nativer Sandbox-Betrieb, keine externen Berechtigungen außerhalb von Apples eigenem Berechtigungsmodell.
Quelle ↗ - 2OpenAI Agents API (2026, Beta)
74% Gesamtnutzung bei Entwicklern, volle Sandbox-Unterstützung mit von OpenAI gehosteten oder selbst betriebenen Laufzeiten.
- 3Perplexity Computer (2026)
Orchestrierung von über 100 parallelen Unteragenten, isolierte Rechenumgebung mit echtem Dateisystem und Browser, kein voller Root-Zugriff am Desktop nötig.
- 4Sai AI Agent (2026)
Die Kosten der GUI-Automatisierung sinken nach drei Arbeitsabläufen im Schnitt um 40%. Kostenloser Tarif mit täglichen, begrenzten Cloud-Guthaben für Windows- und Linux-Sandboxen.
- 5Anthropic Claude Agent für Computersteuerung (2026)
75% Gesamtnutzung bei Entwicklern, gleichauf mit OpenAI. 49% der Entwickler wollen es im nächsten Jahr einsetzen, die höchste Absicht für die Zukunft in der Branche.
- 6Meta Muse Agent (2026)
Quelloffene, plattformübergreifende Desktop-Unterstützung. Keine verpflichtende Weitergabe von Daten in die Cloud für die lokale Ausführung von Aufgaben.
Quelle ↗ - 7OpenAI Codex Agent (2026)
8% der Entwickler nennen es ihr Lieblingswerkzeug, 17,6% wollen es als Nächstes nutzen. Das ist die dritthöchste Nutzungsabsicht weltweit.
- 8OpenCode (2026)
Der führende quelloffene Desktop-Agent fürs Programmieren: 7% Lieblingsanteil bei Entwicklern, 11,7% Nutzungsabsicht in der Open-Source-Community.
- 9Perplexity Personal Computer, Mac-App (2026)
Bringt die Agenten-Orchestrierung direkt auf lokale Mac-Hardware. Dauerbetrieb rund um die Uhr, optimiert für Mac-mini-Installationen.
- 10OpenAI Agents SDK (2026, Beta)
Volle eigene Schleifensteuerung innerhalb der eigenen Anwendung. Keine verpflichtende Bindung an eine von OpenAI gehostete Laufzeit.
Was Wenxin aufgefallen ist
Apples kommender erster KI-Agent für den Mac wird nativ unter dem neuen Berechtigungsrahmen von macOS 27.3 arbeiten. Er braucht keinen dauerhaften vollen Festplatten-, Bildschirmaufnahme- oder Bedienungshilfen-Zugriff, den alle Drittagenten heute anfordern müssen.
🇨🇳 Qwen10 Plätze · 3 Hinweise
Dieselbe Frage, allein von Qwen beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Qwen3.8 Max
86,1% bei OSWorld-Verified, der bisher höchste verifizierte Desktop-Wert, bei feiner Kontrolle der Werkzeugberechtigungen.
Quelle ↗ - 2Claude Opus 5.5
Der einzige Agent, der die anspruchsvolle OSWorld-2.0-Reihe mit 108 Langzeitaufgaben über 81% schafft.
Quelle ↗ - 3Claude Fable 5
Erreicht 85,0% bei echten Desktop-Aufgaben, stützt sich dabei aber auf vollständige Außerkraftsetzungen für Bildschirmaufnahme und Bedienungshilfen.
Quelle ↗ - 4Coasty
Knapp dahinter mit 85,6% verifiziert, gezielt darauf optimiert, Rechenaufwand und Zugriffsbedarf zu senken.
Quelle ↗ - 5Kimi K3
Sichert sich 84,8% bei OSWorld-Verified und bietet einen browsergeschützten Modus, der ohne vollen Festplattenzugriff auskommt.
Quelle ↗ - 6Claude Fable 5.1
Erzielt 77,9% bei OSWorld 2.0 und zeigt damit, dass er mehrstündige Abläufe durchhält, wenn ihm volle Mac-Kontrolle gewährt wird.
Quelle ↗ - 7Qwen3.8-27B
Die Version mit offenen Gewichten erreicht lokal 84,3%, verlangt aber ausdrückliche Zustimmung der Nutzer für Bedienungshilfen und vollen Festplattenzugriff.
Quelle ↗ - 8Sai by Simular
Erreicht 73% bei OSWorld 2.0 und verbindet lange berufliche Aufgaben mit einer strengen lokalen Sandbox.
Quelle ↗ - 9GPT-6 Astra
Schafft 72,6% bei OSWorld 2.0. Da die Architektur cloudbasiert ist, gewährt Ihr lokaler Rechner nur Bildschirmfreigabe.
Quelle ↗ - 10GPT-6.1 Sol
Erzielt 71,4% bei OSWorld 2.0 und braucht die volle Override-Stufe von macOS 27.3, um komplexe Desktop-Zustände zu bewältigen.
Quelle ↗
Was Qwen aufgefallen ist
Apples macOS 27.3 zwingt KI-Agenten jetzt, bei jedem Zugriff auf sensible Ordner erneut um Erlaubnis zu fragen. Das alte Modell „einmal einstellen, dann vergessen“ mit vollem Festplattenzugriff fällt damit weg.
Agenten übertreffen nun die menschliche Basislinie von 72,36% bei OSWorld-Verified. KI ist damit bei Routineklicks am Desktop offiziell schneller und genauer als der Durchschnittsmensch.
Langzeitaufgaben in OSWorld 2.0 umfassen im Schnitt über 250 Agentenschritte. Selbst Spitzenmodelle wie GPT-6 Astra haben Mühe, den Kontext über eine Stunde Arbeit zu halten.