Voltar à tendência do dia: A Apple está criando um assistente de IA que pode usar o Mac por você
Ranking Poly · da tendência do dia

Melhor agente de IA para controlar seu computador em 2026

O recurso de uso do computador do Claude conclui 85,96% das tarefas reais de desktop só com Gravação de Tela e Acessibilidade, enquanto o OpenClaw pede Acesso Total ao Disco e não publicou nenhuma pontuação.

  • Nº 1: Qwen3.8 Max (Alibaba)
  • 10 posições

01Lista final

As IAs líderes montaram cada uma a sua lista de dez, de forma independente. Aqui está um resultado fácil de conferir: cada posição tem um motivo, uma fonte e a lista das IAs que a incluíram.

Ordem: da maior para a menor concordância entre as IA.

Uma etiqueta forte significa que essa IA pôs o item na sua lista. Uma esmaecida, que não pôs.

  1. 1

    Qwen3.8 Max (Alibaba)

    Maior pontuação listada no OSWorld-Verified, 86,1%, mas só a Alibaba a informa. A Steel diz que o modelo visual testado não é público, então você ainda não pode rodá-lo no seu próprio sandbox.

    Incluíram: Claude, ChatGPT, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Não incluíram: Gemini, Wenxin.

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

    O que cada IA notou 8
    • Claudeposição 5

      Tem o maior número listado no OSWorld-Verified (86,1%), mas os pesos não estão confirmados e a pontuação foi divulgada apenas pelo fabricante.

      Fonte ↗
    • ChatGPTposição 1

      86,1% lidera a tabela atual de modelos no OSWorld-Verified, mas a linha publicada não informa qual estrutura de agente foi usada.

      Fonte ↗
    • Meta

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • Grokposição 3

      Lidera muitos agregadores com 86,1% verificado e pesos abertos.

      Fonte ↗
    • MiMoposição 5

      Lidera o placar de área de trabalho com 86,1% — listado como aberto, enquanto o modelo visual testado não é.

      Fonte ↗
    • Kimiposição 2

      86,1% no OSWorld-Verified — e os pesos podem ser baixados (um checkpoint de 27B chega a 84,3%), então o principal resultado de área de trabalho não exige nenhum acesso à sua máquina.

      Fonte ↗
    • DeepSeekposição 5

      86,1% no OSWorld-Verified — o maior listado —, mas a pegada de permissão local do agente não é detalhada publicamente.

      Fonte ↗
    • Qwenposição 1

      86,1% no OSWorld-Verified, a maior pontuação verificada de área de trabalho até agora, com controles granulares de permissão de ferramentas.

      Fonte ↗
    8 IAs colocaram aqui
  2. 2

    Uso do computador pelo Claude (Anthropic: Claude Code, Cowork)

    Maior pontuação oficial de um agente comum, 85,96%, só com Gravação de Tela e Acessibilidade, sem Acesso Total ao Disco. O asterisco é a fuga do sandbox SharedRoot, de julho.

    Incluíram: Claude, ChatGPT, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Não incluíram: Gemini, Wenxin.

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

    O que cada IA notou 8
    • Claudeposição 1

      Obtém 85,0% no OSWorld-Verified e 66,1% parcial no OSWorld 2.0, com configuração de Gravação de Tela e Acessibilidade, sem Acesso Total ao Disco.

      Fonte ↗
    • ChatGPTposição 2

      85% deixa o modelo a 1,1 ponto da maior pontuação; a tabela de benchmark atribui o resultado à Anthropic.

      Fonte ↗
    • Metaposição 1

      85,96% no OSWorld-Verified para o Fable 5 e 81,8% parcial no OSWorld 2.1 para o Opus 5.5, com sandbox em nuvem por padrão, e não acesso total ao disco.

      Fonte ↗
    • Grokposição 10

      Acessibilidade + Gravação de Tela limitadas à sessão, com pedidos de aprovação por app.

      Fonte ↗
    • MiMoposição 1

      O único agente aqui que roda os comandos numa jaula — e a jaula cortou 84% dos pedidos de permissão.

      Fonte ↗
    • Kimiposição 6

      A versão para consumo da mesma base: pede permissão por app, desaconselha apps de banco ou saúde, e só acessa o computador enquanto o app de desktop está aberto.

      Fonte ↗
    • DeepSeekposição 3

      85% no OSWorld-Verified só com Acessibilidade e Gravação de Tela — sem Acesso Total ao Disco — e um nível de substituição por app no macOS 27.3.

      Fonte ↗
    • Qwenposição 3

      Chega a 85,0% em tarefas reais de área de trabalho, mas depende de substituições completas de Gravação de Tela e Acessibilidade.

      Fonte ↗
    8 IAs colocaram aqui
  3. 3

    Agente ChatGPT da OpenAI / uso do computador pelo Codex

    Dois modos com dois custos de acesso: o agente ChatGPT na nuvem nunca vê sua área de trabalho, enquanto o Codex no seu Mac precisa de Gravação de Tela e Acessibilidade. O GPT-5.5 marca 78,7% no OSWorld-Verified.

    Incluíram: Claude, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Não incluíram: ChatGPT, Gemini, Wenxin.

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

    O que cada IA notou 7
    • Claude

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • Metaposição 2

      78,7% no OSWorld-Verified para o GPT-5.5 e 62,6% parcial no OSWorld 2.0 para o GPT-5.6 Sol; o agente roda em um sandbox da OpenAI e, por padrão, não vê a sua área de trabalho.

      Fonte ↗
    • Grokposição 8

      38,1% inicial no OSWorld; um computador virtual em sandbox, lançado depois, reduz a necessidade de controle total local.

      Fonte ↗
    • MiMoposição 3

      O cérebro mais forte para uso de computador, por um terço do custo — com uma ficha de segurança própria que lista incidentes de trabalho.

      Fonte ↗
    • Kimiposição 4

      O agente nativo mais capaz no seu próprio Mac (75% no OSWorld-Verified) também é o que mais pede acesso: Gravação de Tela, Acessibilidade, aprovações por app — além de um modo Uso Bloqueado, opcional, que pode desbloquear o Mac temporariamente.

      Fonte ↗
    • DeepSeekposição 1

      Entrega 38,1% no OSWorld a partir de um sandbox de navegador na nuvem — quase nenhuma permissão local de disco ou Acessibilidade.

      Fonte ↗
    • Qwen

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    7 IAs colocaram aqui
  4. 4

    Simular Sai (Agent S)

    Pode rodar em uma área de trabalho na nuvem em vez do seu Mac. Afirma 73% de conclusão parcial no OSWorld 2.0, mas termina totalmente só 28,25% das tarefas, e a Simular ajudou a criar o benchmark e informou o próprio resultado.

    Incluíram: Claude, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Não incluíram: ChatGPT, Gemini, Wenxin.

    Nas listas delas: Claude: 6 · Meta: 3 · Grok: 4 · MiMo: 7 · Kimi: 7 · DeepSeek: 6 · Qwen: 8

    O que cada IA notou 7
    • Claudeposição 6

      Custa US$ 15,70 por tarefa no OSWorld 2.0, com 28,25% de conclusão total.

      Fonte ↗
    • Metaposição 3

      73% parcial no OSWorld 2.0, mas apenas 28,25% de conclusão total — a maior diferença entre parcial e concluído deste ranking.

      Fonte ↗
    • Grokposição 4

      Maior parcial informada no OSWorld 2.0/2.1 (~73–79%), a um custo menor que o de modelos de fronteira puros.

      Fonte ↗
    • MiMoposição 7

      Vendido por tarefa: US$ 15,70 por tarefa concluída — o único agente com preço no resultado.

      Fonte ↗
    • Kimiposição 7

      69,9% no OSWorld — a 2,5 pontos da referência humana — a partir de um framework aberto cujo Behavior Best-of-N compra os pontos com execuções extras, e não com permissões extras.

      Fonte ↗
    • DeepSeekposição 6

      72,6% no OSWorld — acima da referência humana — em um harness de código aberto que roda com Acessibilidade e Gravação de Tela.

      Fonte ↗
    • Qwenposição 8

      Atinge 73% no OSWorld 2.0, equilibrando tarefas profissionais de horizonte longo com sandbox local rigoroso.

      Fonte ↗
    7 IAs colocaram aqui
  5. 5

    Uso do computador pelo Gemini para Mac (Google)

    Marca 83% no OSWorld-Verified (informado pelo Google) trabalhando em janela separada, só em apps que você escolhe e pedindo confirmação em ações-chave. Revisores alertam que texto injetado ainda pode desviá-lo.

    Incluíram: Claude, ChatGPT, Meta, MiMo, Kimi, DeepSeek. Não incluíram: Grok, Gemini, Wenxin, Qwen.

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

    O que cada IA notou 6
    • Claudeposição 7

      Funciona em uma janela separada, mas a própria documentação do Google alerta para injeção de prompt entre apps.

      Fonte ↗
    • ChatGPT

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • Metaposição 5

      83,0% no OSWorld-Verified, lançado em 19 de novembro de 2026 — no mesmo dia em que foi divulgado o agente da própria Apple para Mac.

      Fonte ↗
    • MiMoposição 2

      Chegou tarde à mesa — e é o único convidado que mostra o que faz antes de tocar em um app.

      Fonte ↗
    • Kimiposição 3

      78,4% no OSWorld-Verified com 'completo: você executa o ambiente' — o agente não traz nenhuma folha de permissões do Mac, porque o sandbox é seu.

      Fonte ↗
    • DeepSeekposição 8

      83% no OSWorld-Verified, mas o perfil de acesso do harness do agente não é documentado publicamente.

      Fonte ↗
    6 IAs colocaram aqui
  6. 6

    Holo3 / Holo4 (H Company)

    Melhor pontuação que a equipe do benchmark rodou por conta própria, 82,6%, com pesos abertos e 3B de parâmetros ativos, então você escolhe o sandbox. O Holo4-27B afirma 85,2%, mas é só para pesquisa.

    Incluíram: Claude, ChatGPT, Meta. Não incluíram: Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.

    Nas listas delas: Claude: 3 · ChatGPT: 7 · Meta: 4

    O que cada IA notou 3
    • Claudeposição 3

      O melhor resultado verificado de forma independente no OSWorld-Verified (82,6%) vem de um modelo com apenas 3B de parâmetros ativos.

      Fonte ↗
    • ChatGPTposição 7

      82,6% é o resultado mais forte verificado de forma independente entre estas dez primeiras linhas da tabela; trata-se de um modelo especializado em uso de computador.

      Fonte ↗
    • Metaposição 4

      85,2% no OSWorld para o 27B, a US$ 0,08 por tarefa — a melhor relação pontuação-preço aqui, mas a variante 27B é só para pesquisa.

      Fonte ↗
    3 IAs colocaram aqui
  7. 7

    Muse Spark da Meta / metacua

    Marca 80,67% no painel oficial do OSWorld-Verified, mas o metacua controla seu Mac real sem sandbox por padrão. Um incidente com o Muse ajudou a motivar o novo aviso da Apple.

    Incluíram: Claude, Meta, MiMo. Não incluíram: ChatGPT, Grok, Gemini, Kimi, DeepSeek, Wenxin, Qwen.

    Nas listas delas: Claude: 9 · Meta: 6 · MiMo: ver lista

    O que cada IA notou 3
    • Claudeposição 9

      Tem a melhor pontuação de conclusão total no OSWorld 2.0 da tabela, 32,0%, apesar de uma pontuação parcial menor, de 66,9%.

      Fonte ↗
    • Metaposição 6

      80,67% verificado no OSWorld-Verified, mas ele controla a sua máquina de verdade — o custo de acesso é a máquina inteira, não um sandbox.

      Fonte ↗
    • MiMo

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    3 IAs colocaram aqui
  8. 8

    Manus

    Não precisa de acesso ao seu Mac, porque cada tarefa roda em uma máquina virtual própria na nuvem. Seu número de 72,5% no OSWorld vem de um único relatório de mercado e não está em nenhum painel oficial, então trate-o como estimativa.

    Incluíram: Meta, DeepSeek. Não incluíram: Claude, ChatGPT, Grok, Gemini, MiMo, Kimi, Wenxin, Qwen.

    Nas listas delas: Meta: 8 · DeepSeek: 2

    O que cada IA notou 2
    • Metaposição 8

      Uma VM na nuvem totalmente isolada por tarefa, com alegações de confiança zero — sandbox forte, mas sem pontuação publicada no OSWorld que comprove o trabalho.

      Fonte ↗
    • DeepSeekposição 2

      Roda em uma VM na nuvem com acesso root, então seus 72,5% no OSWorld vêm sem entregar o disco do seu Mac.

    2 IAs colocaram aqui
  9. 9

    Perplexity Personal Computer (Comet)

    Pede as três grandes permissões do Mac, inclusive Acesso Total ao Disco. Tem pontos de aprovação, mas nenhuma pontuação publicada no OSWorld para mostrar o que você recebe em troca.

    Incluíram: Meta, Wenxin. Não incluíram: Claude, ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Qwen.

    Nas listas delas: Meta: 9 · Wenxin: 9

    O que cada IA notou 2
    • Metaposição 9

      Pede Acessibilidade, Gravação de Tela e Acesso Total ao Disco no seu Mac real — o maior pedido de permissão local —, sem pontuação no OSWorld e com dois incidentes públicos de segurança.

      Fonte ↗
    • Wenxinposição 9

      Estende a orquestração de agentes diretamente para o hardware local do Mac, com operação 24/7 otimizada para instalações em Mac mini

    2 IAs colocaram aqui
  10. 10

    OpenClaw (antes Moltbot / Clawdbot)

    Mais acesso, menos prova: Acesso Total ao Disco para o Terminal, além de Acessibilidade e Gravação de Tela, controle do seu Mac real sem sandbox e nenhuma pontuação no OSWorld.

    Incluíram: Claude, Meta. Não incluíram: ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.

    Nas listas delas: Claude: 10 · Meta: 10

    O que cada IA notou 2
    • Claudeposição 10

      A própria documentação lista as permissões necessárias no macOS, o que a torna a opção aberta mais transparente, mas não tem pontuação de benchmark própria.

      Fonte ↗
    • Metaposição 10

      Acesso máximo, sem benchmark: Acesso Total ao Disco para o Terminal, mais Acessibilidade e Gravação de Tela, sem pontuação publicada no OSWorld que justifique isso.

      Fonte ↗
    2 IAs colocaram aqui

Mais sobre os três primeiros ↓

02Vale a pena saber

O que as IAs perceberam ao montar a lista.

O macOS 27.3 divide a antiga configuração Controle do Dispositivo em Substituição de Proteção do Sistema e de Apps e em Acessibilidade. Ele acrescenta a opção de perguntar a cada vez e um indicador na barra de menus, mas as permissões dadas antes do 27.3 continuam valendo.

Perceberam:
Incluíram: Claude, ChatGPT, Meta, Kimi, DeepSeek. Não incluíram: Grok, Gemini, MiMo, Wenxin, Qwen.
Fonte ↗

O primeiro lugar oficial no OSWorld-Verified é o Intelligence-Indeed Agent, com 90,19%. O resultado foi enviado pelo próprio autor, e nada foi publicado sobre o acesso que ele exige.

Perceberam:
Incluíram: Meta, Grok, MiMo, Kimi. Não incluíram: Claude, ChatGPT, Gemini, DeepSeek, Wenxin, Qwen.
Fonte ↗

Só a configuração de esforço muda o Claude Opus 5 de 18,81% para 44,33% de conclusão binária no OSWorld 2.0.

Perceberam:
Incluíram: MiMo. Não incluíram: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek, Wenxin, Qwen.
Fonte ↗

O uso do computador no Mac do Gemini foi lançado em 19 de novembro de 2026, no mesmo dia em que a Apple teria começado a criar um agente próprio para Mac, com previsão para já no fim de 2027.

Perceberam:
Incluíram: Claude, Meta. Não incluíram: ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.
Fonte ↗

03Como contamos

Em palavras simples, sem fórmulas.

1A pergunta

Os 10 melhores agentes de IA que controlam seu computador: quão bem funcionam em relação a quanto acesso pedem

2Por que este tema

O leitor vê lado a lado o resultado no teste e o preço pago em acesso, o que mostra que o agente mais forte nem sempre é o que menos precisa do seu Mac.

3Onde se aplica

Global; agentes de IA que operam uma área de trabalho (Mac, Windows, Linux), incluindo aplicativos de desktop e navegadores

4O que analisamos

  • Nota de conclusão de tarefas no OSWorld-Verified (tarefas reais de área de trabalho), com o modelo testado, a configuração do agente e a versão do benchmark indicados
  • Nota nas tarefas longas e mais difíceis do OSWorld 2.0, mostrada à parte e nunca misturada com o OSWorld-Verified
  • Amplitude do acesso ao sistema que a configuração do agente pede: Acesso Total ao Disco, Gravação de Tela, controle de Acessibilidade e o nível de substituição do macOS 27.3
  • Se o agente pode rodar em sandbox ou em um modo que pede permissão a cada vez
  • Painel oficial do OSWorld-Verified (equipe do OSWorld) — Parcela das tarefas reais de desktop concluídas, conferidas pelo estado final do app ou do arquivo; a equipe do OSWorld roda essas linhas por conta própria com 100 passos
  • Acompanhamento do OSWorld-Verified da BenchLM — 36 modelos, cada um marcado como informado pelo fornecedor ou rodado pelo OSWorld-Verified
  • OSWorld 2.0 / 2.1 (Snorkel AI, Steel) — Conclusão parcial e estrita binária em 108 fluxos longos; escala própria, nunca misturada com o OSWorld-Verified
  • Modelo de permissões do macOS 27.3 (MacRumors) — Em qual nível um app pede acesso: perguntar a cada vez, Acessibilidade, Acesso Total ao Disco, Substituição de Proteção do Sistema e de Apps

5Quem classificou

As IAs líderes: Claude, ChatGPT, Meta, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen. Cada uma montou sua própria lista de dez de forma independente e indicou uma fonte para cada posição.

6Como as posições foram definidas

O mesmo item escrito de formas diferentes por IAs diferentes foi contado como um só. Quanto mais IAs o colocaram na lista, e quanto mais alto, mais alta a posição. "Acordo das IAs" mostra quantas IAs tinham o item na própria lista. As fontes são apenas as que as próprias IAs encontraram; nada foi acrescentado à mão.

04A lista de cada IA

🇺🇸 Claude10 posições · 4 notas

A mesma pergunta, respondida só por Claude. A lista final acima combina todas as IAs.

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

    Obtém 85,0% no OSWorld-Verified e 66,1% parcial no OSWorld 2.0, com configuração de Gravação de Tela e Acessibilidade, sem Acesso Total ao Disco.

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

    Seu resultado no OSWorld 2.0 foi reproduzido de forma independente pela Snorkel AI (31,43% de conclusão total), e registra a menor taxa de injeção de prompt publicada em testes de interface gráfica (0,54%).

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

    O melhor resultado verificado de forma independente no OSWorld-Verified (82,6%) vem de um modelo com apenas 3B de parâmetros ativos.

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

    Lidera as alegações do OSWorld 2.0 entre modelos da OpenAI no subconjunto offline, com 72,6% parcial, mas a OpenAI não publicou um número equivalente no OSWorld-Verified que eu tenha encontrado.

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

    Tem o maior número listado no OSWorld-Verified (86,1%), mas os pesos não estão confirmados e a pontuação foi divulgada apenas pelo fabricante.

    Fonte ↗
  6. 6
    Simular Sai

    Custa US$ 15,70 por tarefa no OSWorld 2.0, com 28,25% de conclusão total.

    Fonte ↗
  7. 7
    Uso de computador do Gemini no Mac (Google, 2026)

    Funciona em uma janela separada, mas a própria documentação do Google alerta para injeção de prompt entre apps.

    Fonte ↗
  8. 8
    Claude Sonnet 5 (Anthropic)

    81,2% no OSWorld-Verified com um modelo de nível intermediário e a mesma configuração de duas permissões dos modelos principais.

    Fonte ↗
  9. 9
    Muse Spark 1.3 (Meta)

    Tem a melhor pontuação de conclusão total no OSWorld 2.0 da tabela, 32,0%, apesar de uma pontuação parcial menor, de 66,9%.

    Fonte ↗
  10. 10
    OpenClaw (agente de código aberto para Mac)

    A própria documentação lista as permissões necessárias no macOS, o que a torna a opção aberta mais transparente, mas não tem pontuação de benchmark própria.

    Fonte ↗

O que Claude percebeu

No OSWorld 2.0, o melhor resultado independente de conclusão total (cerca de 31%) fica muito abaixo das pontuações parciais de 66–78% divulgadas pelos fabricantes, então a escolha da métrica muda a história.

Os modelos líderes no OSWorld-Verified ficam a cerca de um ponto de diferença entre si, o que sugere que o benchmark está chegando ao limite.

O macOS 27.3 divide a antiga permissão ampla em Substituição de Proteção do Sistema e de Apps e Acessibilidade, e permite exigir aprovação a cada vez.

Segundo relatos, a Apple está contratando para criar um agente próprio que controla Macs, com possível lançamento já no fim de 2027.

🇺🇸 ChatGPT10 posições · 2 notas

A mesma pergunta, respondida só por ChatGPT. A lista final acima combina todas as IAs.

  1. 1
    Qwen3.8 Max (2026)

    86,1% lidera a tabela atual de modelos no OSWorld-Verified, mas a linha publicada não informa qual estrutura de agente foi usada.

    Fonte ↗
  2. 2
    Claude Fable 5 (2026)

    85% deixa o modelo a 1,1 ponto da maior pontuação; a tabela de benchmark atribui o resultado à Anthropic.

    Fonte ↗
  3. 3
    Claude Mythos 5 (2026)

    85% empata com o segundo colocado; os números publicados não mostram qual configuração de agente gerou o resultado.

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

    84,3% fica a menos de dois pontos do resultado líder do Qwen3.8 Max.

    Fonte ↗
  5. 5
    Claude Opus 4.8 (2026)

    83,4% no benchmark mais curto contrasta com apenas 20,6% de conclusão completa no OSWorld 2.0.

    Fonte ↗
  6. 6
    Gemini 3.6 Flash (2026)

    83% é um resultado informado pelo fornecedor; a tabela não traz detalhes de configuração suficientes para uma comparação justa entre produtos.

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

    82,6% é o resultado mais forte verificado de forma independente entre estas dez primeiras linhas da tabela; trata-se de um modelo especializado em uso de computador.

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

    82% mantém o modelo entre os oito primeiros, mas o resultado foi informado pelo fornecedor, e não por um teste divulgado com um agente de usuário final.

    Fonte ↗
  9. 9
    Claude Sonnet 5 (2026)

    81,2% coloca o modelo à frente do seguinte por 0,4 ponto, mas a linha publicada não informa a estrutura do agente.

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

    80,8% fecha o top 10, 5,3 pontos abaixo do primeiro colocado.

    Fonte ↗

O que ChatGPT percebeu

A linha do Holo3-35B-A3B, com 82,6%, está marcada como executada pelo OSWorld-Verified; a maioria das linhas com pontuação maior é informada pelos fornecedores, então a ordem do topo não é uma disputa independente e uniforme.

O macOS 27.3 acrescenta uma opção de permissão por pedido e separa a Acessibilidade da Substituição de Proteção do Sistema e de Apps; a Apple diz que as permissões de apps já concedidas continuam valendo.

🇺🇸 Meta10 posições · 3 notas

A mesma pergunta, respondida só por Meta. A lista final acima combina todas as IAs.

  1. 1
    Claude Cowork (Anthropic, 2026)

    85,96% no OSWorld-Verified para o Fable 5 e 81,8% parcial no OSWorld 2.1 para o Opus 5.5, com sandbox em nuvem por padrão, e não acesso total ao disco.

    Fonte ↗
  2. 2
    Agente ChatGPT da OpenAI (GPT-5.6 Sol, 2026)

    78,7% no OSWorld-Verified para o GPT-5.5 e 62,6% parcial no OSWorld 2.0 para o GPT-5.6 Sol; o agente roda em um sandbox da OpenAI e, por padrão, não vê a sua área de trabalho.

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

    73% parcial no OSWorld 2.0, mas apenas 28,25% de conclusão total — a maior diferença entre parcial e concluído deste ranking.

    Fonte ↗
  4. 4
    Agente de uso de computador Holo4, da H Company (2026)

    85,2% no OSWorld para o 27B, a US$ 0,08 por tarefa — a melhor relação pontuação-preço aqui, mas a variante 27B é só para pesquisa.

    Fonte ↗
  5. 5
    Uso de computador do Gemini da Google para Mac (Gemini 3.6 Flash, 2026)

    83,0% no OSWorld-Verified, lançado em 19 de novembro de 2026 — no mesmo dia em que foi divulgado o agente da própria Apple para Mac.

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

    80,67% verificado no OSWorld-Verified, mas ele controla a sua máquina de verdade — o custo de acesso é a máquina inteira, não um sandbox.

    Fonte ↗
  7. 7
    Researcher do Microsoft 365 Copilot com uso de computador (2026)

    O modelo de acesso mais limpo daqui — um sandbox novo para cada conversa — mas sem pontuação reproduzível no OSWorld para comparar.

    Fonte ↗
  8. 8
    Manus 2.0 (2026)

    Uma VM na nuvem totalmente isolada por tarefa, com alegações de confiança zero — sandbox forte, mas sem pontuação publicada no OSWorld que comprove o trabalho.

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

    Pede Acessibilidade, Gravação de Tela e Acesso Total ao Disco no seu Mac real — o maior pedido de permissão local —, sem pontuação no OSWorld e com dois incidentes públicos de segurança.

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

    Acesso máximo, sem benchmark: Acesso Total ao Disco para o Terminal, mais Acessibilidade e Gravação de Tela, sem pontuação publicada no OSWorld que justifique isso.

    Fonte ↗

O que Meta percebeu

O uso de computador do Gemini para Mac foi lançado em 19 de novembro de 2026, no mesmo dia em que a TechCrunch informou que a Apple está criando um agente de IA próprio para usar Macs, que poderia ser lançado já no fim de 2027.

O macOS 27.3 separa Controle de Dispositivo e Acesso a Dados em Substituição de Proteção do Sistema e de Apps e Acessibilidade, adiciona Acesso Total ao Disco por pasta, uma opção de pedir a cada vez e um indicador na barra de menus quando um app controla outro.

A primeira posição verificada no quadro do OSWorld não é um modelo de consumo: o Intelligence-Indeed Agent fez 90,19% verificado, à frente do Claude Fable 5 com 85,96%, mostrando quanto a estrutura e o framework acrescentam ao modelo.

🇺🇸 Grok10 posições · 1 notas

A mesma pergunta, respondida só por Grok. A lista final acima combina todas as IAs.

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

    Primeiro agente verificado a passar de 90% no OSWorld-Verified (90,19%).

    Fonte ↗
  2. 2
    Uso de computador do Claude Fable 5 / Mythos 5 (Anthropic, 2026)

    85% verificado, perto do topo, enquanto a Anthropic também lidera as pontuações parciais de tarefas longas.

    Fonte ↗
  3. 3
    Configuração de uso de computador do Qwen3.8 Max (Alibaba, 2026)

    Lidera muitos agregadores com 86,1% verificado e pesos abertos.

    Fonte ↗
  4. 4
    Simular Sai (2026)

    Maior parcial informada no OSWorld 2.0/2.1 (~73–79%), a um custo menor que o de modelos de fronteira puros.

    Fonte ↗
  5. 5
    Uso de computador do Claude Opus 5 / 5.5 (Anthropic, 2026)

    Melhor conclusão total e parcial em tarefas longas do OSWorld 2.0/2.1 (até 44% total e 81,8% parcial).

    Fonte ↗
  6. 6
    Coasty CUA (2026)

    Entrada oficial verificada com 82,81%; enfatiza o controle real da área de trabalho.

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

    83,64% verificado com abordagem híbrida de código + interface gráfica.

    Fonte ↗
  8. 8
    Linhagem ChatGPT Agent / Operator da OpenAI (2025–2026)

    38,1% inicial no OSWorld; um computador virtual em sandbox, lançado depois, reduz a necessidade de controle total local.

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

    66,0% verificado na escala de 4B — o melhor agente híbrido compacto aberto de interface gráfica + shell informado.

    Fonte ↗
  10. 10
    Uso de computador do Claude Code (Anthropic, 2026)

    Acessibilidade + Gravação de Tela limitadas à sessão, com pedidos de aprovação por app.

    Fonte ↗

O que Grok percebeu

Agentes já superam rotineiramente a referência humana de ~72% no OSWorld-Verified, mas a conclusão total nas tarefas longas do OSWorld 2.0 fica abaixo de 50%, mesmo nos líderes.

🇺🇸 Gemini10 posições · 1 notas

A mesma pergunta, respondida só por Gemini. A lista final acima combina todas as IAs.

  1. 1
    Claude 3.7 Sonnet Computer Use, da Anthropic (2025)

    Chega a 44,2% no OSWorld-Verified e oferece sandbox de API em Docker com controle restrito e aprovação humana ação por ação.

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

    Supera modelos fechados com 53,1% no OSWorld-Verified e roda localmente em hardware de consumo, sem dar acesso root nem enviar telemetria para a nuvem.

    Fonte ↗
  3. 3
    Agent S2.5 com o3 (2025)

    Usa tokens de raciocínio para chegar a 56,4% em tarefas verificadas na área de trabalho, mas exige Acessibilidade invasiva e permissões de leitura e escrita em todo o sistema de arquivos.

  4. 4
    OpenAI Operator (2025)

    Faz 46,8% em tarefas de sistema com ajuda do navegador, limitando seu alcance principalmente à automação do navegador e a abas de VM isoladas.

  5. 5
    Agente autônomo Coasty (2025)

    Alcança 42,1% de conclusão no OSWorld, com navegador remoto e sandbox de área de trabalho que isolam o seu sistema de cliques arbitrários.

  6. 6
    OS-Copilot / FRIDAY (2024)

    Foi pioneiro em agentes de área de trabalho que aprendem sozinhos, com 35,6% no OSWorld, mas exige shell Bash root sem condições e Acesso Total ao Disco.

  7. 7
    Agente de IA da Simular (2025)

    Chega a 38,3% em benchmarks verificados usando coordenadas de interface multimodal nativas, com limite estrito de confirmação antes de executar.

  8. 8
    Automação de desktop OpenAdapt (2024)

    Registra telas e demonstrações do usuário para chegar a 29,8% em fluxos de trabalho na área de trabalho, rodando de forma transparente com registros locais de código aberto.

    Fonte ↗
  9. 9
    Adept ACT-1 / Workday Agent (2024)

    Foi pioneiro em ações de interface de software empresarial, com 31,2% de tarefas verificadas, confinado a wrappers do DOM do navegador em vez de controle direto do sistema.

  10. 10
    Protótipo de agente para Mac da Apple (2026)

    Mira a integração da Siri e dos App Intents em nível de sistema para tarefas entre aplicativos no Mac, sob as proteções nativas de segurança do macOS 27.3 da Apple.

    Fonte ↗

O que Gemini percebeu

A próxima atualização da Apple, o macOS 27.3, traz alertas rígidos quando agentes de terceiros pedem ao mesmo tempo Captura de Tela e substituição de Acessibilidade, desafiando diretamente os wrappers autônomos de área de trabalho.

🇨🇳 MiMo10 posições · 4 notas

A mesma pergunta, respondida só por MiMo. A lista final acima combina todas as IAs.

  1. 1
    Claude Code (Anthropic, 2026)

    O único agente aqui que roda os comandos numa jaula — e a jaula cortou 84% dos pedidos de permissão.

    Fonte ↗
  2. 2
    Uso de computador do Gemini para Mac (Google, 2026)

    Chegou tarde à mesa — e é o único convidado que mostra o que faz antes de tocar em um app.

    Fonte ↗
  3. 3
    Uso de computador do GPT-6.2 Astra (OpenAI, 2026)

    O cérebro mais forte para uso de computador, por um terço do custo — com uma ficha de segurança própria que lista incidentes de trabalho.

    Fonte ↗
  4. 4
    Uso de computador do Claude Cowork (Anthropic)

    Pontuações de primeira linha — e uma nota de rodapé honesta na própria documentação: nenhum sandbox entre o agente e a sua tela.

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

    Lidera o placar de área de trabalho com 86,1% — listado como aberto, enquanto o modelo visual testado não é.

    Fonte ↗
  6. 6
    Uso de computador do Claude Opus 5 (Anthropic)

    Mesmo modelo, mesmo dia: 18,8% ou 44,3% de uma tarefa longa concluída, dependendo de quão forte você pede que ele se esforce.

    Fonte ↗
  7. 7
    Simular Sai (Simular, 2026)

    Vendido por tarefa: US$ 15,70 por tarefa concluída — o único agente com preço no resultado.

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

    Pesos abertos com 82% — perto dos líderes comerciais, sem a dependência de um fornecedor.

    Fonte ↗
  9. 9
    Agente para Mac da Apple (em desenvolvimento, 2027)

    O agente do próprio guardião: ele ajuda a escrever as regras de permissão pelas quais depois joga.

    Fonte ↗
  10. 10
    Intelligence-Indeed Agent (2026)

    O campeão misterioso do placar: 90,19%, acima da referência humana — e quase ninguém consegue dizer qual é.

    Fonte ↗

O que MiMo percebeu

Agentes já superaram humanos no teste de área de trabalho com 369 tarefas (referência humana de 72,36% contra 90,19% do melhor) — mas a melhor máquina conclui menos da metade das tarefas longas reais no OSWorld 2.0, na medida de conclusão total.

As configurações de esforço mudam mais os resultados do que a escolha do modelo: o Opus 5 vai de 18,81% a 44,33% de conclusão total no mesmo benchmark só ao passar o esforço de baixo para máximo.

O agente com a melhor história de acesso roda em sandbox e cortou 84% dos pedidos de permissão; o de melhores pontuações diz claramente que não tem sandbox nenhum.

A nova versão do macOS da Apple trata agentes de IA como o risco a ser contido, dividindo as permissões de disco, enquanto a Apple constrói o próprio agente para 2027.

🇨🇳 Kimi10 posições · 4 notas

A mesma pergunta, respondida só por Kimi. A lista final acima combina todas as IAs.

  1. 1
    Uso de computador do Claude Opus 5.5 (Anthropic)

    O melhor resultado de tarefa longa na área de trabalho já registrado — 48,7% de conclusão total no OSWorld 2.0 — entregue de dentro de uma VM que você fornece, então nunca toca nos níveis de permissão do seu Mac.

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

    86,1% no OSWorld-Verified — e os pesos podem ser baixados (um checkpoint de 27B chega a 84,3%), então o principal resultado de área de trabalho não exige nenhum acesso à sua máquina.

    Fonte ↗
  3. 3
    Uso de computador do Gemini (Google, Gemini 3.x)

    78,4% no OSWorld-Verified com 'completo: você executa o ambiente' — o agente não traz nenhuma folha de permissões do Mac, porque o sandbox é seu.

    Fonte ↗
  4. 4
    Uso de computador do ChatGPT (OpenAI, GPT-5.4)

    O agente nativo mais capaz no seu próprio Mac (75% no OSWorld-Verified) também é o que mais pede acesso: Gravação de Tela, Acessibilidade, aprovações por app — além de um modo Uso Bloqueado, opcional, que pode desbloquear o Mac temporariamente.

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

    73,1% no OSWorld-Verified em um modelo de pesos abertos — forte o bastante para importar, e gratuito para rodar em uma VM descartável.

    Fonte ↗
  6. 6
    Claude Cowork / uso de computador no desktop do Claude (Anthropic)

    A versão para consumo da mesma base: pede permissão por app, desaconselha apps de banco ou saúde, e só acessa o computador enquanto o app de desktop está aberto.

    Fonte ↗
  7. 7
    Agent S3 (Simular)

    69,9% no OSWorld — a 2,5 pontos da referência humana — a partir de um framework aberto cujo Behavior Best-of-N compra os pontos com execuções extras, e não com permissões extras.

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

    47,5% no OSWorld com um detalhe de privacidade: a variante de 7B roda em uma única GPU de consumo, então sua tela nunca precisa sair da máquina.

    Fonte ↗
  9. 9
    OpenCUA-72B (HKU e Moonshot AI)

    45,0% no OSWorld-Verified, o SOTA de código aberto — e como código, dados e modelos são todos públicos, a auditabilidade é a história do acesso.

    Fonte ↗
  10. 10
    Intelligence-Indeed Agent

    Os 90,19% no topo do quadro oficial do OSWorld-Verified — um número que quase ninguém fora da própria submissão consegue reproduzir.

    Fonte ↗

O que Kimi percebeu

Os dois números do OSWorld descrevem produtos diferentes: o mesmo Claude Opus 4.8 faz 83,5% no OSWorld-Verified, mas só 20,6% de conclusão total nos 108 fluxos de tarefas longas do OSWorld 2.0 — demonstrações de tarefas curtas estão quase resolvidas, dias de trabalho inteiros não.

O macOS 27.3 divide o antigo botão Controle de Dispositivo e Acesso a Dados em 'Substituição de Proteção do Sistema e de Apps' e Acessibilidade, adiciona um nível 'Perguntar Primeiro', escopo por app, avisos explícitos de 'Ler, Alterar, Excluir e Exportar Todos os Seus Dados' e um indicador na barra de menus — mas toda permissão concedida antes da 27.3 continua valendo.

O estado da arte em controle de área de trabalho pode ser baixado: a Alibaba abriu o código de um checkpoint de classe Max (uma variante de 27B chega a 84,3% no OSWorld-Verified), tornando possível, pela primeira vez, um agente de topo totalmente em sandbox e hospedado por você.

O OSWorld-Verified está saturando — os melhores modelos ficam a cerca de 1,1 ponto uns dos outros, acima da referência humana de 72,36%, e é exatamente por isso que existe o OSWorld 2.0 e que os agentes passam a ser avaliados pela amplitude de acesso, não pelo último ponto do benchmark.

🇨🇳 DeepSeek10 posições · 4 notas

A mesma pergunta, respondida só por DeepSeek. A lista final acima combina todas as IAs.

  1. 1
    OpenAI Operator (2026)

    Entrega 38,1% no OSWorld a partir de um sandbox de navegador na nuvem — quase nenhuma permissão local de disco ou Acessibilidade.

    Fonte ↗
  2. 2
    Agente de desktop Manus (Meta) (2026)

    Roda em uma VM na nuvem com acesso root, então seus 72,5% no OSWorld vêm sem entregar o disco do seu Mac.

  3. 3
    Uso de computador do Claude (ambiente do Claude Fable 5 / Opus 5, 2026)

    85% no OSWorld-Verified só com Acessibilidade e Gravação de Tela — sem Acesso Total ao Disco — e um nível de substituição por app no macOS 27.3.

    Fonte ↗
  4. 4
    Coasty CUA v1 (2026)

    82,81% verificado no OSWorld-Verified, pedindo gravação de tela e acessibilidade — não acesso total ao disco.

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

    86,1% no OSWorld-Verified — o maior listado —, mas a pegada de permissão local do agente não é detalhada publicamente.

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

    72,6% no OSWorld — acima da referência humana — em um harness de código aberto que roda com Acessibilidade e Gravação de Tela.

    Fonte ↗
  7. 7
    UiPath Screen Agent (Claude Opus 4.5, 2026)

    67,1% no OSWorld-Verified em janeiro de 2026 — respeitável, mas pede controle total de automação da interface da área de trabalho.

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

    83% no OSWorld-Verified, mas o perfil de acesso do harness do agente não é documentado publicamente.

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

    84,8% no OSWorld-Verified em 8 de novembro de 2026 — alto índice de sucesso, mas o pedido de permissão local não está claro.

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

    47,5% no OSWorld e 50,6% no WindowsAgentArena — controle nativo de interface gráfica, mas precisa de permissões de tela e de entrada.

O que DeepSeek percebeu

A diferença entre acesso e resultado é enorme: o Operator perde 47 pontos percentuais de sucesso no OSWorld em relação ao Claude Fable 5 (38,1% contra 85%), mas nunca toca no seu disco local; já o Claude precisa só de Acessibilidade e Gravação de Tela — não de Acesso Total ao Disco — para chegar a 85%.

O OSWorld 2.0 derruba todo mundo: a melhor conclusão total é 44,33% (Claude Opus 5, esforço máximo, ferramenta em lote), mesmo que a mesma família faça 85% no OSWorld-Verified. O horizonte mais longo é outro jogo.

O macOS 27.3 torna explícita a questão do acesso: o Acesso Total ao Disco está sendo dividido e limitado, e a Substituição de Proteção do Sistema e de Apps ganha nível próprio com indicador na barra de menus — assim, um agente que pede 'só' Acessibilidade agora é visivelmente diferente de um que quer controle de substituição.

O 82,81% verificado do Coasty é maior que o de quase todos os agentes comerciais e fica perto das melhores pontuações de modelo, mas não tem linha publicada no OSWorld 2.0 — mostrando o quanto o benchmark de horizonte longo está sendo adotado de forma desigual.

🇨🇳 Wenxin10 posições · 1 notas

A mesma pergunta, respondida só por Wenxin. A lista final acima combina todas as IAs.

  1. 1
    Agente de IA interno da Apple para macOS (versão do início de 2027)

    Zero vazamento de dados para terceiros por design, operação nativa em sandbox, sem permissões externas além do próprio modelo de permissões da Apple

    Fonte ↗
  2. 2
    API de agentes da OpenAI (beta de 2026)

    Taxa geral de adoção entre desenvolvedores de 74%, com suporte completo a sandbox, com runtime hospedado pela OpenAI ou autohospedado

  3. 3
    Perplexity Computer (2026)

    Orquestração de mais de 100 subagentes em paralelo, ambiente de computação isolado com sistema de arquivos e navegador reais, sem exigir acesso root à área de trabalho

  4. 4
    Agente de IA Sai (2026)

    O custo da automação de interface cai 40% em média após 3 execuções de fluxo; plano gratuito com créditos diários limitados de sandbox Windows/Linux na nuvem

  5. 5
    Agente de uso de computador do Claude, da Anthropic (2026)

    Uso geral entre desenvolvedores de 75%, empatado com a OpenAI; 49% dos desenvolvedores planejam usá-lo no próximo ano, a maior intenção de uso futuro do setor

  6. 6
    Agente Meta Muse (2026)

    Suporte nativo e multiplataforma de código aberto para área de trabalho; zero compartilhamento obrigatório de dados com a nuvem para executar tarefas locais

    Fonte ↗
  7. 7
    Agente Codex da OpenAI (2026)

    8% dos desenvolvedores o citam como sua ferramenta favorita, e 17,6% planejam usá-lo em seguida — a terceira maior intenção de adoção futura no mundo

  8. 8
    OpenCode (2026)

    O principal agente de código de área de trabalho de código aberto, com 7% de participação entre as ferramentas mais queridas dos desenvolvedores e 11,7% de intenção de uso na comunidade de código aberto

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

    Estende a orquestração de agentes diretamente para o hardware local do Mac, com operação 24/7 otimizada para instalações em Mac mini

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

    Controle total do loop dentro do seu próprio aplicativo, sem dependência obrigatória do runtime hospedado pela OpenAI

O que Wenxin percebeu

O próximo agente de IA para Mac da própria Apple vai operar nativamente sob o novo framework de permissões do macOS 27.3, sem precisar de acesso permanente a disco total, gravação de tela ou acessibilidade, que hoje todos os agentes de terceiros pedem

🇨🇳 Qwen10 posições · 3 notas

A mesma pergunta, respondida só por Qwen. A lista final acima combina todas as IAs.

  1. 1
    Qwen3.8 Max

    86,1% no OSWorld-Verified, a maior pontuação verificada de área de trabalho até agora, com controles granulares de permissão de ferramentas.

    Fonte ↗
  2. 2
    Claude Opus 5.5

    O único agente que passa de 81% na exigente suíte de horizonte longo do OSWorld 2.0, com 108 tarefas.

    Fonte ↗
  3. 3
    Claude Fable 5

    Chega a 85,0% em tarefas reais de área de trabalho, mas depende de substituições completas de Gravação de Tela e Acessibilidade.

    Fonte ↗
  4. 4
    Coasty

    Um segundo lugar próximo, com 85,6% verificado, otimizado especificamente para reduzir a carga de computação e de acesso.

    Fonte ↗
  5. 5
    Kimi K3

    Obtém 84,8% no OSWorld-Verified e oferece um modo em sandbox de navegador que dispensa o Acesso Total ao Disco.

    Fonte ↗
  6. 6
    Claude Fable 5.1

    Faz 77,9% no OSWorld 2.0, provando que consegue manter fluxos de várias horas quando recebe controle total do Mac.

    Fonte ↗
  7. 7
    Qwen3.8-27B

    A versão de pesos abertos chega a 84,3% localmente, mas exige aprovação explícita do usuário para Acessibilidade e Acesso Total ao Disco.

    Fonte ↗
  8. 8
    Sai, da Simular

    Atinge 73% no OSWorld 2.0, equilibrando tarefas profissionais de horizonte longo com sandbox local rigoroso.

    Fonte ↗
  9. 9
    GPT-6 Astra

    Faz 72,6% no OSWorld 2.0, mas sua arquitetura voltada à nuvem significa que a máquina local só concede permissão de compartilhamento de tela.

    Fonte ↗
  10. 10
    GPT-6.1 Sol

    Faz 71,4% no OSWorld 2.0, exigindo o nível de substituição completo do macOS 27.3 para navegar em estados complexos da área de trabalho.

    Fonte ↗

O que Qwen percebeu

O macOS 27.3 da Apple agora obriga os agentes de IA a pedir permissão toda vez que acessam pastas sensíveis, acabando com o antigo modelo de acesso total ao disco, do tipo “configura e esquece”.

Agentes já passam da referência humana de 72,36% no OSWorld-Verified, o que significa que a IA é oficialmente mais rápida e precisa que a média dos humanos em cliques rotineiros de área de trabalho.

Tarefas de horizonte longo no OSWorld 2.0 têm em média mais de 250 passos de agente, mostrando como até modelos de topo, como o GPT-6 Astra, têm dificuldade de manter o contexto ao longo de uma hora de trabalho.