Volver a la tendencia del día: Apple crea un asistente de IA que puede usar su Mac por usted
Ranking Poly · de la tendencia del día

Mejor agente de IA para controlar su computadora 2026

El uso de la computadora de Claude completa el 85,96% de las tareas reales de escritorio solo con Grabación de pantalla y Accesibilidad, mientras que OpenClaw pide Acceso total al disco y no ha publicado ninguna puntuación.

  • N.º 1: Qwen3.8 Max (Alibaba)
  • 10 puestos

01Lista final

Las IA líderes armaron cada una su propia lista de diez, de forma independiente. Aquí hay un resultado fácil de comprobar: cada puesto tiene un motivo, una fuente y la lista de IA que lo incluyeron.

Orden: de mayor a menor acuerdo entre las IA.

Una etiqueta brillante significa que esa IA puso el elemento en su lista. Una tenue, que no.

  1. 1

    Qwen3.8 Max (Alibaba)

    La puntuación más alta publicada en OSWorld-Verified, 86,1%, pero solo la informa Alibaba. Steel dice que el modelo visual probado no es público, así que todavía no se puede ejecutar en su propio entorno aislado.

    Lo incluyeron: Claude, ChatGPT, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. No lo incluyeron: Gemini, Wenxin.

    En sus listas: Claude: 5 · ChatGPT: 1 · Meta: ver lista · Grok: 3 · MiMo: 5 · Kimi: 2 · DeepSeek: 5 · Qwen: 1

    Qué señaló cada IA 8
    • Claudepuesto 5

      Tiene la cifra más alta publicada en OSWorld-Verified (86,1%), pero los pesos no están confirmados y la puntuación solo la informa el proveedor.

      Fuente ↗
    • ChatGPTpuesto 1

      86,1% encabeza la tabla actual de modelos de OSWorld-Verified, pero la fila publicada no revela la configuración del agente.

      Fuente ↗
    • Meta

      En su propia lista tiene otro nombre: abre la lista completa.

      ver lista
    • Grokpuesto 3

      Lidera muchos agregadores con 86,1% verificado y pesos abiertos.

      Fuente ↗
    • MiMopuesto 5

      Encabeza el marcador de escritorio con 86,1%, aparece como abierto mientras el modelo visual probado no lo es.

      Fuente ↗
    • Kimipuesto 2

      86,1% en OSWorld-Verified, y los pesos son descargables (un punto de control de 27B llega a 84,3%), así que el mejor resultado de escritorio no necesita ningún acceso a su máquina.

      Fuente ↗
    • DeepSeekpuesto 5

      86,1% en OSWorld-Verified, el más alto de la lista, pero la huella de permisos locales del agente no está detallada públicamente.

      Fuente ↗
    • Qwenpuesto 1

      86,1% en OSWorld-Verified, la puntuación verificada de escritorio más alta hasta ahora, a la vez que permite controles granulares de permisos de herramientas.

      Fuente ↗
    8 IA lo pusieron aquí
  2. 2

    Uso de la computadora de Claude (Anthropic: Claude Code, Cowork)

    La puntuación oficial más alta entre los agentes de uso general: 85,96%, solo con Grabación de pantalla y Accesibilidad, sin Acceso total al disco. El asterisco es la fuga del entorno aislado SharedRoot de julio.

    Lo incluyeron: Claude, ChatGPT, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. No lo incluyeron: Gemini, Wenxin.

    En sus listas: Claude: 1 · ChatGPT: 2 · Meta: 1 · Grok: 10 · MiMo: 1 · Kimi: 6 · DeepSeek: 3 · Qwen: 3

    Qué señaló cada IA 8
    • Claudepuesto 1

      Obtiene 85,0% en OSWorld-Verified y 66,1% parcial en OSWorld 2.0, con una configuración de Grabación de pantalla más Accesibilidad y sin Acceso completo al disco.

      Fuente ↗
    • ChatGPTpuesto 2

      85% lo sitúa a 1,1 puntos de la mejor puntuación; la tabla de pruebas atribuye el resultado a Anthropic.

      Fuente ↗
    • Metapuesto 1

      85,96% en OSWorld-Verified para Fable 5 y 81,8% parcial en OSWorld 2.1 para Opus 5.5, con entorno aislado en la nube por defecto y sin acceso completo al disco por defecto.

      Fuente ↗
    • Grokpuesto 10

      Accesibilidad y Grabación de pantalla limitadas a la sesión, con avisos de aprobación por app.

      Fuente ↗
    • MiMopuesto 1

      El único agente de aquí que ejecuta sus comandos dentro de una jaula, y la jaula redujo los avisos de permiso un 84%.

      Fuente ↗
    • Kimipuesto 6

      La versión de consumo del mismo stack: pide permiso por app, desaconseja apps de banca o salud, y solo accede a su computadora mientras la app de escritorio está abierta.

      Fuente ↗
    • DeepSeekpuesto 3

      85% en OSWorld-Verified solo con Accesibilidad y Grabación de pantalla, sin Acceso completo al disco, y un nivel de anulación por app en macOS 27.3.

      Fuente ↗
    • Qwenpuesto 3

      Llega a 85,0% en tareas reales de escritorio, pero depende de anulaciones completas de grabación de pantalla y accesibilidad.

      Fuente ↗
    8 IA lo pusieron aquí
  3. 3

    Agente de ChatGPT de OpenAI / uso de la computadora de Codex

    Dos modos con dos costos de acceso: el agente de ChatGPT en la nube nunca ve su escritorio, mientras que Codex en su Mac necesita Grabación de pantalla y Accesibilidad. GPT-5.5 obtiene 78,7% en OSWorld-Verified.

    Lo incluyeron: Claude, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. No lo incluyeron: ChatGPT, Gemini, Wenxin.

    En sus listas: Claude: ver lista · Meta: 2 · Grok: 8 · MiMo: 3 · Kimi: 4 · DeepSeek: 1 · Qwen: ver lista

    Qué señaló cada IA 7
    • Claude

      En su propia lista tiene otro nombre: abre la lista completa.

      ver lista
    • Metapuesto 2

      78,7% en OSWorld-Verified para GPT-5.5 y 62,6% parcial en OSWorld 2.0 para GPT-5.6 Sol; el agente se ejecuta en un entorno aislado de OpenAI y, por defecto, no ve su escritorio.

      Fuente ↗
    • Grokpuesto 8

      OSWorld temprano de 38,1%; después, una computadora virtual en entorno aislado reduce la necesidad de control total local.

      Fuente ↗
    • MiMopuesto 3

      El cerebro nuevo más sólido para uso de computadora, a un tercio del costo, con su propia ficha de seguridad que enumera incidentes laborales.

      Fuente ↗
    • Kimipuesto 4

      El agente nativo más capaz en su propio Mac (75% en OSWorld-Verified) es también el que más permisos pide: Grabación de pantalla, Accesibilidad y aprobaciones por app, además de un modo de Uso bloqueado, opcional, que puede desbloquear el Mac temporalmente.

      Fuente ↗
    • DeepSeekpuesto 1

      Logra 38,1% en OSWorld desde un entorno aislado de navegador en la nube, con casi ningún permiso de disco local ni de Accesibilidad.

      Fuente ↗
    • Qwen

      En su propia lista tiene otro nombre: abre la lista completa.

      ver lista
    7 IA lo pusieron aquí
  4. 4

    Simular Sai (Agent S)

    Puede correr en un escritorio en la nube en lugar de en su Mac. Afirma un 73% parcial en OSWorld 2.0, pero solo termina por completo el 28,25% de las tareas. Simular coescribió la prueba y el resultado lo informó la propia Simular.

    Lo incluyeron: Claude, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. No lo incluyeron: ChatGPT, Gemini, Wenxin.

    En sus listas: Claude: 6 · Meta: 3 · Grok: 4 · MiMo: 7 · Kimi: 7 · DeepSeek: 6 · Qwen: 8

    Qué señaló cada IA 7
    • Claudepuesto 6

      Cuesta $15,70 por tarea en OSWorld 2.0, con una puntuación binaria de 28,25%.

      Fuente ↗
    • Metapuesto 3

      73% parcial en OSWorld 2.0, pero solo 28,25% binario: la mayor diferencia entre lo parcial y lo terminado de este ranking.

      Fuente ↗
    • Grokpuesto 4

      La puntuación parcial más alta informada en OSWorld 2.0/2.1 (~73–79%), a un costo menor que los modelos de frontera puros.

      Fuente ↗
    • MiMopuesto 7

      Se vende por tarea: $15,70 por tarea terminada, el único agente con precio en el resultado.

      Fuente ↗
    • Kimipuesto 7

      69,9% en OSWorld, a 2,5 puntos de la referencia humana, desde un marco abierto cuyo Behavior Best-of-N consigue los puntos con más ejecuciones, no con más permisos.

      Fuente ↗
    • DeepSeekpuesto 6

      72,6% en OSWorld, por encima de la referencia humana, en un marco de código abierto que funciona con Accesibilidad y Grabación de pantalla.

      Fuente ↗
    • Qwenpuesto 8

      Logra 73% en OSWorld 2.0, equilibrando tareas profesionales de largo horizonte con un aislamiento local estricto.

      Fuente ↗
    7 IA lo pusieron aquí
  5. 5

    Uso de la computadora de Gemini para Mac (Google)

    Obtiene 83% en OSWorld-Verified (informado por Google) trabajando en una ventana aparte, solo en las apps que usted elige y pidiendo confirmación antes de las acciones clave. Los revisores advierten que un texto malicioso insertado todavía puede desviarlo.

    Lo incluyeron: Claude, ChatGPT, Meta, MiMo, Kimi, DeepSeek. No lo incluyeron: Grok, Gemini, Wenxin, Qwen.

    En sus listas: Claude: 7 · ChatGPT: ver lista · Meta: 5 · MiMo: 2 · Kimi: 3 · DeepSeek: 8

    Qué señaló cada IA 6
    • Claudepuesto 7

      Funciona en una ventana aparte, pero la propia documentación de Google advierte sobre la inyección de instrucciones entre apps.

      Fuente ↗
    • ChatGPT

      En su propia lista tiene otro nombre: abre la lista completa.

      ver lista
    • Metapuesto 5

      83,0% en OSWorld-Verified, lanzado el 19 de noviembre de 2026, el mismo día en que se informó sobre el agente propio de Apple para Mac.

      Fuente ↗
    • MiMopuesto 2

      Llegó tarde a la mesa, y es el único invitado que muestra cómo trabaja antes de tocar una app.

      Fuente ↗
    • Kimipuesto 3

      78,4% en OSWorld-Verified con 'completo: usted ejecuta el entorno'; el agente no trae hoja de permisos de Mac porque el entorno aislado es suyo.

      Fuente ↗
    • DeepSeekpuesto 8

      83% en OSWorld-Verified, pero el perfil de acceso del marco del agente no está documentado públicamente.

      Fuente ↗
    6 IA lo pusieron aquí
  6. 6

    Holo3 / Holo4 (H Company)

    La mejor puntuación que el equipo de la prueba ejecutó por sí mismo, 82,6%, con pesos abiertos y 3.000 millones de parámetros activos, así que usted elige el entorno aislado. Holo4-27B afirma 85,2%, pero es solo para investigación.

    Lo incluyeron: Claude, ChatGPT, Meta. No lo incluyeron: Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.

    En sus listas: Claude: 3 · ChatGPT: 7 · Meta: 4

    Qué señaló cada IA 3
    • Claudepuesto 3

      La mejor entrada verificada de forma independiente en OSWorld-Verified (82,6%) procede de un modelo con solo 3B de parámetros activos.

      Fuente ↗
    • ChatGPTpuesto 7

      82,6% es el resultado más sólido verificado de forma independiente entre estos diez primeros de la tabla; es un modelo especializado en manejar computadoras.

      Fuente ↗
    • Metapuesto 4

      85,2% en OSWorld para 27B a $0,08 por tarea: la mejor relación puntuación-precio de aquí, pero la variante 27B es solo para investigación.

      Fuente ↗
    3 IA lo pusieron aquí
  7. 7

    Meta Muse Spark / metacua

    Obtiene 80,67% en la tabla oficial de OSWorld-Verified, pero metacua controla su Mac real sin entorno aislado por defecto. Un incidente con Muse ayudó a motivar la nueva advertencia de Apple.

    Lo incluyeron: Claude, Meta, MiMo. No lo incluyeron: ChatGPT, Grok, Gemini, Kimi, DeepSeek, Wenxin, Qwen.

    En sus listas: Claude: 9 · Meta: 6 · MiMo: ver lista

    Qué señaló cada IA 3
    • Claudepuesto 9

      Obtiene la mejor puntuación binaria de OSWorld 2.0 de la tabla, 32,0%, aunque tiene una puntuación parcial más baja, 66,9%.

      Fuente ↗
    • Metapuesto 6

      80,67% verificado en OSWorld-Verified, pero controla su máquina real: el costo de acceso es toda la máquina, no un entorno aislado.

      Fuente ↗
    • MiMo

      En su propia lista tiene otro nombre: abre la lista completa.

      ver lista
    3 IA lo pusieron aquí
  8. 8

    Manus

    No necesita acceso a su Mac, porque cada tarea tiene su propia máquina virtual en la nube. Su cifra de 72,5% en OSWorld viene de un solo informe de mercado y no aparece en ninguna tabla oficial, así que tómela como una estimación.

    Lo incluyeron: Meta, DeepSeek. No lo incluyeron: Claude, ChatGPT, Grok, Gemini, MiMo, Kimi, Wenxin, Qwen.

    En sus listas: Meta: 8 · DeepSeek: 2

    Qué señaló cada IA 2
    • Metapuesto 8

      Una máquina virtual en la nube totalmente aislada por tarea, con afirmaciones de confianza cero: un entorno aislado sólido, pero sin puntuación de OSWorld publicada que respalde el trabajo.

      Fuente ↗
    • DeepSeekpuesto 2

      Corre en una máquina virtual en la nube con acceso root, así que su 72,5% en OSWorld llega sin entregar el disco de su Mac.

    2 IA lo pusieron aquí
  9. 9

    Perplexity Personal Computer (Comet)

    Pide los tres grandes permisos de Mac, incluido Acceso total al disco. Tiene puntos de confirmación, pero no publica una puntuación de OSWorld que muestre qué obtiene usted a cambio.

    Lo incluyeron: Meta, Wenxin. No lo incluyeron: Claude, ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Qwen.

    En sus listas: Meta: 9 · Wenxin: 9

    Qué señaló cada IA 2
    • Metapuesto 9

      Pide Accesibilidad, Grabación de pantalla y Acceso completo al disco en su Mac real: la mayor solicitud de permisos locales de la lista, sin puntuación de OSWorld y con dos incidentes públicos de seguridad.

      Fuente ↗
    • Wenxinpuesto 9

      Lleva la orquestación de agentes directamente al hardware local del Mac, con operación 24/7 optimizada para despliegues en Mac mini.

    2 IA lo pusieron aquí
  10. 10

    OpenClaw (antes Moltbot / Clawdbot)

    Máximo acceso, mínima prueba: Acceso total al disco para Terminal, además de Accesibilidad y Grabación de pantalla, control de su Mac real sin entorno aislado y sin puntuación de OSWorld.

    Lo incluyeron: Claude, Meta. No lo incluyeron: ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.

    En sus listas: Claude: 10 · Meta: 10

    Qué señaló cada IA 2
    • Claudepuesto 10

      Su propia documentación enumera los permisos de macOS que necesita, lo que la convierte en la opción abierta más transparente, pero no tiene una puntuación propia en pruebas.

      Fuente ↗
    • Metapuesto 10

      Máximo acceso, sin prueba: Acceso completo al disco para Terminal, más Accesibilidad y Grabación de pantalla, sin puntuación de OSWorld publicada que lo justifique.

      Fuente ↗
    2 IA lo pusieron aquí

Más sobre los tres primeros ↓

02Vale la pena saber

Lo que notaron las IA al armar la lista.

macOS 27.3 divide el antiguo ajuste de Control de dispositivo en Anulación de protección del sistema y de apps, y Accesibilidad. Añade una opción de preguntar cada vez y un indicador en la barra de menús, pero los permisos otorgados antes de 27.3 siguen activos.

Lo notaron:
Lo incluyeron: Claude, ChatGPT, Meta, Kimi, DeepSeek. No lo incluyeron: Grok, Gemini, MiMo, Wenxin, Qwen.
Fuente ↗

El primer puesto oficial en OSWorld-Verified es Intelligence-Indeed Agent, con 90,19%. Lo presentó su propio equipo, y no se publica nada sobre el acceso que necesita.

Lo notaron:
Lo incluyeron: Meta, Grok, MiMo, Kimi. No lo incluyeron: Claude, ChatGPT, Gemini, DeepSeek, Wenxin, Qwen.
Fuente ↗

Solo el ajuste de esfuerzo lleva a Claude Opus 5 de 18,81% a 44,33% de tareas terminadas por completo en OSWorld 2.0.

Lo notaron:
Lo incluyeron: MiMo. No lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek, Wenxin, Qwen.
Fuente ↗

El uso de la computadora de Gemini para Mac se lanzó el 19 de noviembre de 2026, el mismo día en que se informó que Apple construye su propio agente para Mac, para finales de 2027 como pronto.

Lo notaron:
Lo incluyeron: Claude, Meta. No lo incluyeron: ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.
Fuente ↗

03Cómo lo calculamos

En palabras sencillas, sin fórmulas.

1La pregunta

Los 10 mejores agentes de IA que controlan su computadora: qué tan bien funcionan frente a cuánto acceso piden

2Por qué este tema

El lector ve, lado a lado, el resultado de la prueba y el precio pagado en acceso, lo que muestra que el agente más fuerte no siempre es el que menos necesita de su Mac.

3Dónde aplica

Mundial; agentes de IA que operan un escritorio (Mac, Windows, Linux), incluidas las apps de escritorio y los navegadores

4Qué miramos

  • Puntuación de tareas completadas en OSWorld-Verified (tareas reales de escritorio), indicando el modelo probado, la configuración del agente y la versión de la prueba
  • Puntuación en las tareas largas y más difíciles de OSWorld 2.0, mostrada por separado y nunca mezclada con OSWorld-Verified
  • Amplitud del acceso al sistema que pide la configuración del agente: Acceso completo al disco, grabación de pantalla, control de Accesibilidad y el nivel de anulación de macOS 27,3
  • Si el agente puede funcionar en un entorno aislado (sandbox) o en un modo que pide permiso cada vez
  • Tabla oficial de OSWorld-Verified (equipo de OSWorld): porcentaje de tareas reales de escritorio completadas, verificadas contra el estado final de la app o del archivo; el equipo de OSWorld ejecuta estas filas por sí mismo con 100 pasos
  • Rastreador de OSWorld-Verified de BenchLM: 36 modelos, cada uno marcado como informado por el fabricante o ejecutado por OSWorld-Verified
  • OSWorld 2.0 / 2.1 (Snorkel AI, Steel): finalización parcial y binaria (sí o no) en 108 flujos de trabajo largos; es su propia escala y nunca se mezcla con OSWorld-Verified
  • Modelo de permisos de macOS 27.3 (MacRumors): qué nivel pide cada app: preguntar cada vez, Accesibilidad, Acceso total al disco, Anulación de protección del sistema y de apps

5Quién clasificó

Las IA líderes: Claude, ChatGPT, Meta, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen. Cada una armó su propia lista de diez por su cuenta y dio una fuente para cada puesto.

6Cómo se fijaron los puestos

Lo mismo escrito de distinta forma por distintas IA se contó como una sola entrada. Cuantas más IA la incluyeron en su lista, y cuanto más arriba, más alto su puesto. «Acuerdo de las IA» muestra cuántas IA la tenían en su propia lista. Las fuentes son solo las que encontraron las propias IA; no se añadió nada a mano.

04La lista de cada IA

🇺🇸 Claude10 puestos · 4 notas

La misma pregunta, respondida solo por Claude. La lista final de arriba combina todas las IA.

  1. 1
    Claude Fable 5 (uso de computadora de Anthropic, 2026)

    Obtiene 85,0% en OSWorld-Verified y 66,1% parcial en OSWorld 2.0, con una configuración de Grabación de pantalla más Accesibilidad y sin Acceso completo al disco.

    Fuente ↗
  2. 2
    Claude Opus 5 (Anthropic, 2026)

    Su resultado en OSWorld 2.0 lo reprodujo de forma independiente Snorkel AI (31,43% binario), y registra la tasa de inyecciones publicada más baja en pruebas de interfaz gráfica (0,54%).

    Fuente ↗
  3. 3
    Holo3 (H Company, 35B-A3B)

    La mejor entrada verificada de forma independiente en OSWorld-Verified (82,6%) procede de un modelo con solo 3B de parámetros activos.

    Fuente ↗
  4. 4
    GPT-6 Astra (OpenAI)

    Lidera las cifras de OSWorld 2.0 en el subconjunto sin conexión entre los modelos de OpenAI, con 72,6% parcial, pero OpenAI no ha publicado una cifra equivalente de OSWorld-Verified que yo haya encontrado.

    Fuente ↗
  5. 5
    Qwen3.8-Max (Alibaba)

    Tiene la cifra más alta publicada en OSWorld-Verified (86,1%), pero los pesos no están confirmados y la puntuación solo la informa el proveedor.

    Fuente ↗
  6. 6
    Simular Sai

    Cuesta $15,70 por tarea en OSWorld 2.0, con una puntuación binaria de 28,25%.

    Fuente ↗
  7. 7
    Uso de computadora de Gemini en Mac (Google, 2026)

    Funciona en una ventana aparte, pero la propia documentación de Google advierte sobre la inyección de instrucciones entre apps.

    Fuente ↗
  8. 8
    Claude Sonnet 5 (Anthropic)

    81,2% en OSWorld-Verified con un modelo de gama media y la misma configuración de dos permisos que los modelos principales.

    Fuente ↗
  9. 9
    Muse Spark 1.3 (Meta)

    Obtiene la mejor puntuación binaria de OSWorld 2.0 de la tabla, 32,0%, aunque tiene una puntuación parcial más baja, 66,9%.

    Fuente ↗
  10. 10
    OpenClaw (agente de código abierto para Mac)

    Su propia documentación enumera los permisos de macOS que necesita, lo que la convierte en la opción abierta más transparente, pero no tiene una puntuación propia en pruebas.

    Fuente ↗

Lo que notó Claude

En OSWorld 2.0, el mejor resultado binario independiente (alrededor de 31%) queda muy por debajo de las puntuaciones parciales de 66–78% que citan los proveedores, así que la elección de la métrica cambia la historia.

Los modelos que lideran OSWorld-Verified están a un punto de diferencia entre sí, lo que indica que la prueba se acerca a la saturación.

macOS 27.3 divide el antiguo permiso amplio en Anulación de protección del sistema y de apps y en Accesibilidad, y permite exigir una aprobación cada vez que se pida.

Según se informa, Apple contrata personal para crear su propio agente que controla el Mac, que podría lanzarse ya a finales de 2027.

🇺🇸 ChatGPT10 puestos · 2 notas

La misma pregunta, respondida solo por ChatGPT. La lista final de arriba combina todas las IA.

  1. 1
    Qwen3.8 Max (2026)

    86,1% encabeza la tabla actual de modelos de OSWorld-Verified, pero la fila publicada no revela la configuración del agente.

    Fuente ↗
  2. 2
    Claude Fable 5 (2026)

    85% lo sitúa a 1,1 puntos de la mejor puntuación; la tabla de pruebas atribuye el resultado a Anthropic.

    Fuente ↗
  3. 3
    Claude Mythos 5 (2026)

    85% empata con el segundo; las cifras publicadas no establecen qué configuración del agente produjo el resultado.

    Fuente ↗
  4. 4
    Qwen3.8-27B (2026)

    84,3% está a menos de dos puntos del resultado líder de Qwen3.8 Max.

    Fuente ↗
  5. 5
    Claude Opus 4.8 (2026)

    83,4% en la prueba más corta contrasta con solo 20,6% de finalización completa en OSWorld 2.0.

    Fuente ↗
  6. 6
    Gemini 3.6 Flash (2026)

    83% es un resultado informado por el proveedor; la tabla no ofrece suficientes detalles de configuración para una comparación de producto equivalente.

    Fuente ↗
  7. 7
    Holo3-35B-A3B (2026)

    82,6% es el resultado más sólido verificado de forma independiente entre estos diez primeros de la tabla; es un modelo especializado en manejar computadoras.

    Fuente ↗
  8. 8
    MiMo-V2.6-Pro (2026)

    82% lo mantiene entre los ocho primeros, pero el resultado lo informa el proveedor y no es una prueba divulgada de un agente para usuarios finales.

    Fuente ↗
  9. 9
    Claude Sonnet 5 (2026)

    81,2% lo coloca 0,4 puntos por delante del siguiente modelo, pero la fila publicada omite su configuración del agente.

    Fuente ↗
  10. 10
    MiMo-V2.6-Flash (2026)

    80,8% completa el top diez, 5,3 puntos por debajo del mejor resultado.

    Fuente ↗

Lo que notó ChatGPT

La fila de Holo3-35B-A3B con 82,6% está marcada como ejecutada por OSWorld-Verified; la mayoría de las filas con puntuación más alta las informa el proveedor, así que el orden de cabeza no es una comparación independiente y uniforme.

macOS 27.3 añade una opción de permiso por solicitud y separa Accesibilidad de Anulación de protección del sistema y de apps; Apple dice que los permisos de apps concedidos antes siguen vigentes.

🇺🇸 Meta10 puestos · 3 notas

La misma pregunta, respondida solo por Meta. La lista final de arriba combina todas las IA.

  1. 1
    Claude Cowork (Anthropic, 2026)

    85,96% en OSWorld-Verified para Fable 5 y 81,8% parcial en OSWorld 2.1 para Opus 5.5, con entorno aislado en la nube por defecto y sin acceso completo al disco por defecto.

    Fuente ↗
  2. 2
    OpenAI ChatGPT agent (GPT-5.6 Sol, 2026)

    78,7% en OSWorld-Verified para GPT-5.5 y 62,6% parcial en OSWorld 2.0 para GPT-5.6 Sol; el agente se ejecuta en un entorno aislado de OpenAI y, por defecto, no ve su escritorio.

    Fuente ↗
  3. 3
    Simular Sai (Agent S, 2026)

    73% parcial en OSWorld 2.0, pero solo 28,25% binario: la mayor diferencia entre lo parcial y lo terminado de este ranking.

    Fuente ↗
  4. 4
    Agente de uso de computadora H Company Holo4 (2026)

    85,2% en OSWorld para 27B a $0,08 por tarea: la mejor relación puntuación-precio de aquí, pero la variante 27B es solo para investigación.

    Fuente ↗
  5. 5
    Uso de computadora de Google Gemini para Mac (Gemini 3.6 Flash, 2026)

    83,0% en OSWorld-Verified, lanzado el 19 de noviembre de 2026, el mismo día en que se informó sobre el agente propio de Apple para Mac.

    Fuente ↗
  6. 6
    Meta Muse / metacua (Muse Spark 1.1, 2026)

    80,67% verificado en OSWorld-Verified, pero controla su máquina real: el costo de acceso es toda la máquina, no un entorno aislado.

    Fuente ↗
  7. 7
    Microsoft 365 Copilot Researcher con uso de computadora (2026)

    El modelo de acceso más limpio de aquí: un entorno aislado nuevo por conversación, pero sin puntuación de OSWorld reproducible con la que compararlo.

    Fuente ↗
  8. 8
    Manus 2.0 (2026)

    Una máquina virtual en la nube totalmente aislada por tarea, con afirmaciones de confianza cero: un entorno aislado sólido, pero sin puntuación de OSWorld publicada que respalde el trabajo.

    Fuente ↗
  9. 9
    Perplexity Comet Personal Computer (2026)

    Pide Accesibilidad, Grabación de pantalla y Acceso completo al disco en su Mac real: la mayor solicitud de permisos locales de la lista, sin puntuación de OSWorld y con dos incidentes públicos de seguridad.

    Fuente ↗
  10. 10
    OpenClaw (antes Moltbot / Clawdbot, 2026)

    Máximo acceso, sin prueba: Acceso completo al disco para Terminal, más Accesibilidad y Grabación de pantalla, sin puntuación de OSWorld publicada que lo justifique.

    Fuente ↗

Lo que notó Meta

El uso de computadora de Gemini para Mac se lanzó el 19 de noviembre de 2026, el mismo día en que TechCrunch informó que Apple construye su propio agente de IA que usa el Mac y que podría lanzarse ya a finales de 2027.

macOS 27.3 divide Control del dispositivo y Acceso a datos en Sistema y Anulación de protección de apps y en Accesibilidad, añade Acceso completo al disco por carpeta, una opción de preguntar cada vez y un indicador en la barra de menús cuando una app controla otra.

La entrada principal del tablero verificado de OSWorld no es un modelo de consumo: Intelligence-Indeed Agent obtuvo 90,19% verificado, por delante de Claude Fable 5 con 85,96%, lo que muestra cuánto suman la configuración y el marco sobre el propio modelo.

🇺🇸 Grok10 puestos · 1 notas

La misma pregunta, respondida solo por Grok. La lista final de arriba combina todas las IA.

  1. 1
    Z-Agent / InAgent de Intelligence-Indeed (2026)

    Primer agente verificado que supera el 90% en OSWorld-Verified (90,19%).

    Fuente ↗
  2. 2
    Uso de computadora de Claude Fable 5 / Mythos 5 (Anthropic, 2026)

    85% verificado, cerca de la cima, mientras Anthropic también lidera las puntuaciones parciales de tareas largas.

    Fuente ↗
  3. 3
    Configuración de uso de computadora de Qwen3.8 Max (Alibaba, 2026)

    Lidera muchos agregadores con 86,1% verificado y pesos abiertos.

    Fuente ↗
  4. 4
    Simular Sai (2026)

    La puntuación parcial más alta informada en OSWorld 2.0/2.1 (~73–79%), a un costo menor que los modelos de frontera puros.

    Fuente ↗
  5. 5
    Uso de computadora de Claude Opus 5 / 5.5 (Anthropic, 2026)

    El mejor binario y parcial en tareas largas de OSWorld 2.0/2.1 (hasta 44% binario, 81,8% parcial).

    Fuente ↗
  6. 6
    Coasty CUA (2026)

    Entrada oficial verificada con 82,81%; destaca el control real del escritorio.

    Fuente ↗
  7. 7
    Pointer Agent + Opus 4.7 (2026)

    83,64% verificado con un enfoque híbrido de código e interfaz gráfica.

    Fuente ↗
  8. 8
    Línea de OpenAI ChatGPT Agent / Operator (2025–2026)

    OSWorld temprano de 38,1%; después, una computadora virtual en entorno aislado reduce la necesidad de control total local.

    Fuente ↗
  9. 9
    Mage-VL-Cowork 4B de Microsoft (2026)

    66,0% verificado a escala de 4B: el mejor agente híbrido compacto abierto de interfaz gráfica y shell informado.

    Fuente ↗
  10. 10
    Uso de computadora de Claude Code (Anthropic, 2026)

    Accesibilidad y Grabación de pantalla limitadas a la sesión, con avisos de aprobación por app.

    Fuente ↗

Lo que notó Grok

Los agentes superan habitualmente la referencia humana de ~72% en OSWorld-Verified, pero la finalización binaria en tareas largas de OSWorld 2.0 se mantiene por debajo del 50% incluso en los líderes.

🇺🇸 Gemini10 puestos · 1 notas

La misma pregunta, respondida solo por Gemini. La lista final de arriba combina todas las IA.

  1. 1
    Claude 3.7 Sonnet de Anthropic, uso de computadora (2025)

    Logra 44,2% en OSWorld-Verified y ofrece un aislamiento estricto de API en Docker, con ganchos de aprobación humana para cada acción.

  2. 2
    UI-TARS-2 de ByteDance (2025)

    Supera a los modelos cerrados con 53,1% en OSWorld-Verified y funciona localmente en hardware de consumo, sin dar acceso root ni enviar telemetría remota a la nube.

    Fuente ↗
  3. 3
    Agent S2.5 con o3 (2025)

    Usa tokens de razonamiento para llegar a 56,4% en tareas verificadas de escritorio, pero exige permisos invasivos de Accesibilidad y de lectura y escritura del sistema de archivos.

  4. 4
    OpenAI Operator (2025)

    Obtiene 46,8% en tareas del sistema de escritorio asistidas por navegador, y limita su alcance principalmente a la automatización del navegador y a pestañas de máquinas virtuales aisladas.

  5. 5
    Agente autónomo Coasty (2025)

    Alcanza 42,1% de finalización en OSWorld, con navegador remoto integrado y un aislamiento del escritorio que protege su sistema local de clics arbitrarios.

  6. 6
    OS-Copilot / FRIDAY (2024)

    Fue pionero en agentes de escritorio que se autoenseñan, con 35,6% en OSWorld, pero exige un shell Bash root sin condiciones y Acceso completo al disco.

  7. 7
    Agente de IA de Simular (2025)

    Logra 38,3% en pruebas verificadas usando coordenadas multimodales nativas de la interfaz gráfica, con un umbral estricto de confirmación antes de ejecutar.

  8. 8
    OpenAdapt, automatización de escritorio (2024)

    Registra estados de pantalla y demostraciones del usuario para llegar a 29,8% en flujos de escritorio, y funciona de forma transparente con registros locales de código abierto.

    Fuente ↗
  9. 9
    Adept ACT-1 / Agente de Workday (2024)

    Fue pionero en acciones de interfaz de software empresarial con 31,2% de tareas verificadas, confinado dentro de envoltorios DOM del navegador y no en control del sistema operativo.

  10. 10
    Prototipo de agente para Mac de Apple (2026)

    Apunta a la integración de Siri y de App Intents a nivel de sistema para ejecutar tareas entre aplicaciones en Mac, dentro de las barreras de seguridad nativas de macOS 27.3 de Apple.

    Fuente ↗

Lo que notó Gemini

La próxima actualización macOS 27.3 de Apple introduce advertencias estrictas cada vez que un agente de terceros pide a la vez Captura de pantalla y anulación de Accesibilidad, lo que desafía directamente a los envoltorios de escritorio autónomos.

🇨🇳 MiMo10 puestos · 4 notas

La misma pregunta, respondida solo por MiMo. La lista final de arriba combina todas las IA.

  1. 1
    Claude Code (Anthropic, 2026)

    El único agente de aquí que ejecuta sus comandos dentro de una jaula, y la jaula redujo los avisos de permiso un 84%.

    Fuente ↗
  2. 2
    Gemini para Mac, uso de computadora (Google, 2026)

    Llegó tarde a la mesa, y es el único invitado que muestra cómo trabaja antes de tocar una app.

    Fuente ↗
  3. 3
    Uso de computadora de GPT-6.2 Astra (OpenAI, 2026)

    El cerebro nuevo más sólido para uso de computadora, a un tercio del costo, con su propia ficha de seguridad que enumera incidentes laborales.

    Fuente ↗
  4. 4
    Uso de computadora de Claude Cowork (Anthropic)

    Puntuaciones de primer nivel, y una nota honesta en su propia documentación: no hay entorno aislado entre el agente y su pantalla.

    Fuente ↗
  5. 5
    Qwen3.8 Max (Alibaba, 2026)

    Encabeza el marcador de escritorio con 86,1%, aparece como abierto mientras el modelo visual probado no lo es.

    Fuente ↗
  6. 6
    Uso de computadora de Claude Opus 5 (Anthropic)

    El mismo modelo, el mismo día: se completó 18,8% o 44,3% de un trabajo largo, según cuánto le pida que se esfuerce.

    Fuente ↗
  7. 7
    Simular Sai (Simular AI, 2026)

    Se vende por tarea: $15,70 por tarea terminada, el único agente con precio en el resultado.

    Fuente ↗
  8. 8
    MiMo-V2.6 (Xiaomi, 2026)

    Pesos abiertos con 82%: cerca de los líderes comerciales, sin dependencia de un proveedor.

    Fuente ↗
  9. 9
    Agente para Mac de Apple (en desarrollo, 2027)

    El agente propio del guardián: ayudará a escribir las reglas de permiso por las que luego se rige.

    Fuente ↗
  10. 10
    Agente de Intelligence-Indeed (2026)

    El campeón misterioso del marcador: 90,19%, por encima de la referencia humana, y casi nadie puede nombrarlo.

    Fuente ↗

Lo que notó MiMo

Los agentes han superado a los humanos en la prueba de escritorio de 369 tareas (referencia humana de 72,36% frente a la mejor puntuación de 90,19%); sin embargo, la mejor máquina termina menos de la mitad de los trabajos reales de largo plazo de OSWorld 2.0, en términos binarios.

La configuración de esfuerzo cambia más los resultados que la elección del modelo: Opus 5 pasa de 18,81% a 44,33% binario en la misma prueba solo al subir el esfuerzo de bajo a máximo.

El agente con mejor historia de acceso corre en un entorno aislado y redujo los avisos de permiso un 84%; el de mejores puntuaciones declara claramente que no tiene entorno aislado en absoluto.

La nueva versión de macOS de Apple trata a los agentes de IA como el riesgo para el que hay que diseñar, dividiendo los permisos de disco, mientras Apple construye su propio agente para 2027.

🇨🇳 Kimi10 puestos · 4 notas

La misma pregunta, respondida solo por Kimi. La lista final de arriba combina todas las IA.

  1. 1
    Uso de computadora de Claude (Claude Opus 5.5, Anthropic)

    El mejor resultado de escritorio de tareas largas registrado: 48,7% binario en OSWorld 2.0, obtenido desde dentro de una máquina virtual que usted aporta, así que nunca toca los niveles de permiso de su Mac.

    Fuente ↗
  2. 2
    Qwen3.8 Max (Alibaba)

    86,1% en OSWorld-Verified, y los pesos son descargables (un punto de control de 27B llega a 84,3%), así que el mejor resultado de escritorio no necesita ningún acceso a su máquina.

    Fuente ↗
  3. 3
    Uso de computadora de Gemini (Google, Gemini 3.x)

    78,4% en OSWorld-Verified con 'completo: usted ejecuta el entorno'; el agente no trae hoja de permisos de Mac porque el entorno aislado es suyo.

    Fuente ↗
  4. 4
    Uso de computadora de ChatGPT (OpenAI, GPT-5.4)

    El agente nativo más capaz en su propio Mac (75% en OSWorld-Verified) es también el que más permisos pide: Grabación de pantalla, Accesibilidad y aprobaciones por app, además de un modo de Uso bloqueado, opcional, que puede desbloquear el Mac temporalmente.

    Fuente ↗
  5. 5
    Kimi K2.6 (Moonshot AI)

    73,1% en OSWorld-Verified con un modelo de pesos abiertos: lo bastante fuerte para importar, y gratis para ejecutarlo en una máquina virtual desechable.

    Fuente ↗
  6. 6
    Claude Cowork / uso de computadora en la app de escritorio de Claude (Anthropic)

    La versión de consumo del mismo stack: pide permiso por app, desaconseja apps de banca o salud, y solo accede a su computadora mientras la app de escritorio está abierta.

    Fuente ↗
  7. 7
    Agent S3 (Simular AI)

    69,9% en OSWorld, a 2,5 puntos de la referencia humana, desde un marco abierto cuyo Behavior Best-of-N consigue los puntos con más ejecuciones, no con más permisos.

    Fuente ↗
  8. 8
    UI-TARS-2 (ByteDance)

    47,5% en OSWorld con un matiz de privacidad: la variante de 7B funciona en una sola GPU de consumo, así que su pantalla nunca tiene que salir de la máquina.

    Fuente ↗
  9. 9
    OpenCUA-72B (HKU y Moonshot AI)

    45,0% en OSWorld-Verified, el estado del arte de código abierto; y como el código, los datos y los modelos son públicos, la auditabilidad es la historia del acceso.

    Fuente ↗
  10. 10
    Agente de Intelligence-Indeed

    El 90,19% en lo alto del tablero oficial de OSWorld-Verified: un número que casi nadie fuera de su propio envío puede reproducir.

    Fuente ↗

Lo que notó Kimi

Los dos números de OSWorld describen productos distintos: el mismo Claude Opus 4.8 obtiene 83,5% en OSWorld-Verified, pero solo 20,6% de finalización binaria en los 108 flujos de tareas largas de OSWorld 2.0; las demos de tareas cortas están casi resueltas, las de duración de una jornada laboral no.

macOS 27.3 divide el antiguo interruptor de Control del dispositivo y acceso a datos en 'Anulación de protección del sistema y de apps' y Accesibilidad, añade un nivel 'Preguntar primero', alcance por app, advertencias explícitas de 'Leer, cambiar, borrar y exportar todos sus datos' y un indicador en la barra de menús; pero todos los permisos concedidos antes de 27.3 siguen vigentes.

El estado del arte en control de escritorio es descargable: Alibaba publicó como código abierto un punto de control de clase Max (una variante de 27B obtiene 84,3% en OSWorld-Verified), lo que hace posible por primera vez un agente de primer nivel, totalmente aislado y alojado por usted.

OSWorld-Verified se está saturando: los mejores modelos se agrupan en unos 1,1 puntos, por encima de la referencia humana de 72,36%; por eso existe OSWorld 2.0, y por eso los agentes se juzgan por la amplitud de su acceso y no por el último punto de la prueba.

🇨🇳 DeepSeek10 puestos · 4 notas

La misma pregunta, respondida solo por DeepSeek. La lista final de arriba combina todas las IA.

  1. 1
    OpenAI Operator (2026)

    Logra 38,1% en OSWorld desde un entorno aislado de navegador en la nube, con casi ningún permiso de disco local ni de Accesibilidad.

    Fuente ↗
  2. 2
    Agente de escritorio Manus (Meta) (2026)

    Corre en una máquina virtual en la nube con acceso root, así que su 72,5% en OSWorld llega sin entregar el disco de su Mac.

  3. 3
    Uso de computadora de Claude (entorno de Claude Fable 5 / Opus 5, 2026)

    85% en OSWorld-Verified solo con Accesibilidad y Grabación de pantalla, sin Acceso completo al disco, y un nivel de anulación por app en macOS 27.3.

    Fuente ↗
  4. 4
    Coasty CUA v1 (2026)

    82,81% verificado en OSWorld-Verified pidiendo grabación de pantalla y accesibilidad, no acceso completo al disco.

    Fuente ↗
  5. 5
    Agente de Qwen3.8 Max (Alibaba, 2026)

    86,1% en OSWorld-Verified, el más alto de la lista, pero la huella de permisos locales del agente no está detallada públicamente.

    Fuente ↗
  6. 6
    Agent S3 (Simular, 2026)

    72,6% en OSWorld, por encima de la referencia humana, en un marco de código abierto que funciona con Accesibilidad y Grabación de pantalla.

    Fuente ↗
  7. 7
    Agente de pantalla de UiPath (Claude Opus 4.5, 2026)

    67,1% en OSWorld-Verified en enero de 2026: respetable, pero pide control total de automatización de la interfaz del escritorio.

  8. 8
    Agente de Gemini 3.6 Flash (Google, 2026)

    83% en OSWorld-Verified, pero el perfil de acceso del marco del agente no está documentado públicamente.

    Fuente ↗
  9. 9
    Agente Kimi K3 (Moonshot AI, 2026)

    84,8% en OSWorld-Verified al 8 de noviembre de 2026: alto éxito en tareas, pero no está claro qué permisos locales pide.

  10. 10
    UI-TARS-2 (ByteDance, 2026)

    47,5% en OSWorld y 50,6% en WindowsAgentArena: control nativo de la interfaz gráfica, pero necesita permisos de pantalla y de entrada.

Lo que notó DeepSeek

La diferencia entre acceso y resultados es extrema: Operator cede 47 puntos porcentuales de éxito en OSWorld frente a Claude Fable 5 (38,1% frente a 85%), pero nunca toca su disco local; Claude solo necesita Accesibilidad y Grabación de pantalla, no Acceso completo al disco, para llegar a 85%.

OSWorld 2.0 baja el resultado de todos: la mejor finalización binaria es 44,33% (Claude Opus 5, esfuerzo máximo, herramienta por lotes), aunque la misma familia obtiene 85% en OSWorld-Verified. El horizonte más largo es otro juego.

macOS 27.3 deja explícita la cuestión del acceso: el Acceso completo al disco se está dividiendo y acotando, y la Anulación de protección del sistema y de apps tiene nivel propio con indicador en la barra de menús; así que un agente que pide 'solo' Accesibilidad ahora se ve distinto de uno que quiere control de anulación.

La puntuación verificada de Coasty, 82,81%, es mayor que la de la mayoría de los agentes comerciales y está cerca de los mejores resultados de modelos, pero no tiene fila publicada en OSWorld 2.0; muestra lo desigual que es la adopción de la prueba de tareas largas.

🇨🇳 Wenxin10 puestos · 1 notas

La misma pregunta, respondida solo por Wenxin. La lista final de arriba combina todas las IA.

  1. 1
    Agente de IA interno de Apple para macOS (versión de inicios de 2027)

    Cero extracción de datos por terceros por diseño, operación nativa en entorno aislado y sin permisos externos fuera del propio modelo de permisos de Apple.

    Fuente ↗
  2. 2
    API de agentes de OpenAI (beta de 2026)

    74% de adopción general entre desarrolladores, con soporte completo de entorno aislado y opciones de ejecución alojadas por OpenAI o autohospedadas.

  3. 3
    Perplexity Computer (2026)

    Orquestación de más de 100 subagentes en paralelo, entorno de cómputo aislado con sistema de archivos y navegador reales, sin necesidad de acceso root al escritorio completo.

  4. 4
    Agente de IA Sai (2026)

    El costo de la automatización de interfaz baja 40% en promedio tras 3 ejecuciones de flujos; plan gratuito con créditos diarios limitados de entorno aislado en la nube para Windows y Linux.

  5. 5
    Agente de uso de computadora de Anthropic Claude (2026)

    75% de uso general entre desarrolladores, a la par de OpenAI; 49% de los desarrolladores planea usarlo el próximo año, la mayor intención de uso futuro de la industria.

  6. 6
    Agente Muse de Meta (2026)

    Soporte de escritorio multiplataforma, nativo y de código abierto; cero compartición obligatoria de datos en la nube para la ejecución local de tareas.

    Fuente ↗
  7. 7
    Agente OpenAI Codex (2026)

    8% de los desarrolladores lo nombra su herramienta favorita, y 17,6% planea usarlo a continuación: la tercera intención de adopción futura más alta del mundo.

  8. 8
    OpenCode (2026)

    El principal agente de escritorio de programación de código abierto: 7% de cuota entre los desarrolladores como herramienta favorita y 11,7% de intención de uso siguiente en la comunidad de código abierto.

  9. 9
    App para Mac de Perplexity Personal Computer (2026)

    Lleva la orquestación de agentes directamente al hardware local del Mac, con operación 24/7 optimizada para despliegues en Mac mini.

  10. 10
    SDK de agentes de OpenAI (beta de 2026)

    Control total del bucle dentro de su propia aplicación, sin dependencia obligatoria de un entorno alojado por OpenAI.

Lo que notó Wenxin

El próximo agente de IA propio de Apple para Mac funcionará de forma nativa bajo el nuevo marco de permisos de macOS 27.3, sin necesitar el acceso permanente a disco completo, grabación de pantalla o accesibilidad que hoy piden todos los agentes de terceros.

🇨🇳 Qwen10 puestos · 3 notas

La misma pregunta, respondida solo por Qwen. La lista final de arriba combina todas las IA.

  1. 1
    Qwen3.8 Max

    86,1% en OSWorld-Verified, la puntuación verificada de escritorio más alta hasta ahora, a la vez que permite controles granulares de permisos de herramientas.

    Fuente ↗
  2. 2
    Claude Opus 5.5

    El único agente que supera 81% en la exigente suite de 108 tareas de largo horizonte de OSWorld 2.0.

    Fuente ↗
  3. 3
    Claude Fable 5

    Llega a 85,0% en tareas reales de escritorio, pero depende de anulaciones completas de grabación de pantalla y accesibilidad.

    Fuente ↗
  4. 4
    Coasty

    Un cercano segundo con 85,6% verificado, optimizado específicamente para reducir la huella de cómputo y de acceso.

    Fuente ↗
  5. 5
    Kimi K3

    Logra 84,8% en OSWorld-Verified y ofrece un modo en navegador aislado que evita el acceso completo al disco.

    Fuente ↗
  6. 6
    Claude Fable 5.1

    Obtiene 77,9% en OSWorld 2.0, lo que demuestra que puede sostener flujos de varias horas cuando se le da control total del Mac.

    Fuente ↗
  7. 7
    Qwen3.8-27B

    La versión de pesos abiertos llega a 84,3% en local, pero exige aprobación explícita del usuario para Accesibilidad y Acceso completo al disco.

    Fuente ↗
  8. 8
    Sai de Simular

    Logra 73% en OSWorld 2.0, equilibrando tareas profesionales de largo horizonte con un aislamiento local estricto.

    Fuente ↗
  9. 9
    GPT-6 Astra

    Llega a 72,6% en OSWorld 2.0, pero su arquitectura primero en la nube significa que su máquina local solo concede permisos de compartir pantalla.

    Fuente ↗
  10. 10
    GPT-6.1 Sol

    Obtiene 71,4% en OSWorld 2.0, y necesita el nivel de anulación completo de macOS 27.3 para navegar estados complejos del escritorio.

    Fuente ↗

Lo que notó Qwen

macOS 27.3 de Apple ahora obliga a los agentes de IA a pedir permiso cada vez que acceden a carpetas sensibles, rompiendo el viejo modelo de 'configurar y olvidar' el acceso completo al disco.

Los agentes ya superan la referencia humana de 72,36% en OSWorld-Verified, lo que significa que la IA es oficialmente más rápida y precisa que el humano promedio en clics rutinarios de escritorio.

Las tareas de largo horizonte de OSWorld 2.0 promedian más de 250 pasos del agente, lo que muestra cómo incluso modelos líderes como GPT-6 Astra tienen dificultades para mantener el contexto durante una hora de trabajo.