Назад к тренду дня: Apple создаёт ИИ-помощника, который сможет работать на вашем Mac вместо вас
Рейтинг Poly · из тренда дня

Лучший ИИ-агент для управления компьютером, 2026

Управление компьютером у Claude выполняет 85,96% реальных задач на рабочем столе, имея доступ только к записи экрана и универсальному доступу. OpenClaw требует полного доступа к диску и не опубликовал ни одного результата.

  • №1: Qwen3.8 Max (Алибаба)
  • 10 мест

01Итоговый список

Ведущие ИИ независимо составили свои списки из десяти мест. Сверху — один итог, который легко проверить: у каждого места есть причина, источник и список ИИ, которые его включили.

Порядок: от большего согласия ИИ к меньшему.

Яркая плашка — этот ИИ включил пункт в свой список. Тусклая — не включил.

  1. 1

    Qwen3.8 Max (Алибаба)

    Самый высокий из указанных результатов в OSWorld-Verified — 86,1%, но публикует его только Алибаба. Стил говорит, что тестировавшаяся визуальная модель не общедоступна, поэтому запустить её в своей песочнице пока нельзя.

    Включили: Claude, ChatGPT, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Не включили: Gemini, Wenxin.

    В их списках: Claude: 5 · ChatGPT: 1 · Meta: см. список · Grok: 3 · MiMo: 5 · Kimi: 2 · DeepSeek: 5 · Qwen: 1

    Что отметил каждый ИИ 8
    • Claudeместо 5

      Самый высокий из указанных результатов в OSWorld-Verified (86,1%), но веса не подтверждены, а цифра приведена только со слов разработчика.

      Источник ↗
    • ChatGPTместо 1

      86,1% возглавляет текущую таблицу моделей OSWorld-Verified, но в опубликованной строке не указано, какой агентный каркас использовали.

      Источник ↗
    • Meta

      В его списке названо иначе: откройте весь список.

      см. список
    • Grokместо 3

      Лидирует во многих агрегаторах с 86,1% проверено и открытыми весами.

      Источник ↗
    • MiMoместо 5

      Лидирует в таблице рабочего стола с 86,1% — указан как открытый, хотя проверенная визуальная модель таковой не является.

      Источник ↗
    • Kimiместо 2

      86,1% в OSWorld-Verified — и веса можно скачать (27B-контрольная точка даёт 84,3%), поэтому лучший результат для рабочего стола не требует никакого доступа к вашей машине.

      Источник ↗
    • DeepSeekместо 5

      86,1% в OSWorld-Verified — самый высокий из указанных, но локальный след разрешений агента публично не описан.

      Источник ↗
    • Qwenместо 1

      86,1% в OSWorld-Verified — самый высокий проверенный результат для рабочего стола на сегодня, при этом доступны точные настройки разрешений для инструментов.

      Источник ↗
    8 ИИ поставили сюда
  2. 2

    Computer use от Claude (Anthropic: Claude Code, Cowork)

    Самый высокий официально подтверждённый результат среди массовых агентов: 85,96% при доступе только к записи экрана и универсальному доступу, без полного доступа к диску. Звёздочка — побег из песочницы SharedRoot в июле.

    Включили: Claude, ChatGPT, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Не включили: Gemini, Wenxin.

    В их списках: Claude: 1 · ChatGPT: 2 · Meta: 1 · Grok: 10 · MiMo: 1 · Kimi: 6 · DeepSeek: 3 · Qwen: 3

    Что отметил каждый ИИ 8
    • Claudeместо 1

      Набирает 85,0% в OSWorld-Verified и 66,1% частично в OSWorld 2.0; настройка — «Запись экрана» и «Универсальный доступ», без «Полного доступа к диску».

      Источник ↗
    • ChatGPTместо 2

      85% отстаёт от лучшего результата на 1,1 пункта; таблица тестов относит результат к Anthropic.

      Источник ↗
    • Metaместо 1

      85,96% в OSWorld-Verified у Fable 5 и 81,8% частично в OSWorld 2.1 у Opus 5.5; по умолчанию — облачная песочница, а не полный доступ к диску.

      Источник ↗
    • Grokместо 10

      «Универсальный доступ» и «Запись экрана» в рамках сессии, с запросами подтверждения для каждого приложения.

      Источник ↗
    • MiMoместо 1

      Единственный агент здесь, который запускает команды в клетке — и клетка сократила запросы разрешений на 84%.

      Источник ↗
    • Kimiместо 6

      Потребительская упаковка того же стека: спрашивает по каждому приложению, советует не открывать банковские и медицинские приложения и касается вашего компьютера, только пока открыто настольное приложение.

      Источник ↗
    • DeepSeekместо 3

      85% в OSWorld-Verified только с «Универсальным доступом» и «Записью экрана» — без «Полного доступа к диску» — и с уровнем переопределения для каждого приложения в macOS 27.3.

      Источник ↗
    • Qwenместо 3

      Выходит на 85,0% в реальных задачах рабочего стола, но опирается на полное переопределение записи экрана и универсального доступа.

      Источник ↗
    8 ИИ поставили сюда
  3. 3

    OpenAI ChatGPT agent / Codex computer use

    Два режима с двумя ценами доступа: облачный агент ChatGPT никогда не видит ваш рабочий стол, а Codex на вашем Mac требует записи экрана и универсального доступа. GPT-5.5 набирает 78,7% в OSWorld-Verified.

    Включили: Claude, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Не включили: ChatGPT, Gemini, Wenxin.

    В их списках: Claude: см. список · Meta: 2 · Grok: 8 · MiMo: 3 · Kimi: 4 · DeepSeek: 1 · Qwen: см. список

    Что отметил каждый ИИ 7
    • Claude

      В его списке названо иначе: откройте весь список.

      см. список
    • Metaместо 2

      78,7% в OSWorld-Verified у GPT-5.5 и 62,6% частично в OSWorld 2.0 у GPT-5.6 Sol; агент работает в песочнице OpenAI и по умолчанию не видит ваш рабочий стол.

      Источник ↗
    • Grokместо 8

      Ранние 38,1% в OSWorld; позднее работа в песочнице, на виртуальном компьютере, снижает потребность в полном локальном управлении.

      Источник ↗
    • MiMoместо 3

      Самый сильный новый мозг для управления компьютером по трети цены — и со своей карточкой безопасности, перечисляющей рабочие происшествия.

      Источник ↗
    • Kimiместо 4

      Самый способный нативный агент на вашем Mac (75% в OSWorld-Verified) также самый требовательный: «Запись экрана», «Универсальный доступ», подтверждения для каждого приложения — плюс добровольный режим Locked Use, который может временно разблокировать Mac.

      Источник ↗
    • DeepSeekместо 1

      Выдаёт 38,1% в OSWorld из облачной песочницы браузера — почти без локального диска и без разрешения «Универсальный доступ».

      Источник ↗
    • Qwen

      В его списке названо иначе: откройте весь список.

      см. список
    7 ИИ поставили сюда
  4. 4

    Симулар Sai (Agent S)

    Может работать на облачном рабочем столе вместо вашего Mac. Заявляет 73% частичного выполнения в OSWorld 2.0, но полностью доводит до конца лишь 28,25% заданий. Симулар сам участвовал в создании бенчмарка и сам опубликовал результат.

    Включили: Claude, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. Не включили: ChatGPT, Gemini, Wenxin.

    В их списках: Claude: 6 · Meta: 3 · Grok: 4 · MiMo: 7 · Kimi: 7 · DeepSeek: 6 · Qwen: 8

    Что отметил каждый ИИ 7
    • Claudeместо 6

      Стоит $15,70 за задачу в OSWorld 2.0, с результатом 28,25% полностью выполненных задач.

      Источник ↗
    • Metaместо 3

      73% частично в OSWorld 2.0, но всего 28,25% полностью — самый широкий разрыв между частичным и полным результатом в этом рейтинге.

      Источник ↗
    • Grokместо 4

      Самый высокий опубликованный частичный результат в OSWorld 2.0/2.1 (~73–79%) при меньшей цене, чем у чисто передовых моделей.

      Источник ↗
    • MiMoместо 7

      Продаётся за задачу: $15,70 за выполненную задачу — единственный агент с ценником на результат.

      Источник ↗
    • Kimiместо 7

      69,9% в OSWorld — в пределах 2,5 пункта от уровня людей — у открытого фреймворка, чей Behavior Best-of-N покупает очки дополнительными прогонами, а не дополнительными разрешениями.

      Источник ↗
    • DeepSeekместо 6

      72,6% в OSWorld — выше уровня людей — в открытом каркасе, который работает с «Универсальным доступом» и «Записью экрана».

      Источник ↗
    • Qwenместо 8

      Достигает 73% в OSWorld 2.0, сочетая длинные профессиональные задачи со строгой локальной песочницей.

      Источник ↗
    7 ИИ поставили сюда
  5. 5

    Gemini computer use для Mac (Google)

    Набирает 83% в OSWorld-Verified (по данным Google). Работает в отдельном окне, только в тех приложениях, которые вы выберете, и спрашивает разрешение перед важными действиями. Рецензенты предупреждают: подставленный текст всё равно может его направить.

    Включили: Claude, ChatGPT, Meta, MiMo, Kimi, DeepSeek. Не включили: Grok, Gemini, Wenxin, Qwen.

    В их списках: Claude: 7 · ChatGPT: см. список · Meta: 5 · MiMo: 2 · Kimi: 3 · DeepSeek: 8

    Что отметил каждый ИИ 6
    • Claudeместо 7

      Работает в отдельном окне, но собственная документация Google предупреждает о промпт-инъекциях между приложениями.

      Источник ↗
    • ChatGPT

      В его списке названо иначе: откройте весь список.

      см. список
    • Metaместо 5

      83,0% в OSWorld-Verified, запущен 19 ноября 2026 года — в тот же день, когда сообщили о собственном агенте Apple для Mac.

      Источник ↗
    • MiMoместо 2

      Пришёл поздно — и единственный гость, который показывает ход работы, прежде чем трогать приложение.

      Источник ↗
    • Kimiместо 3

      78,4% в OSWorld-Verified с «полный: вы сами запускаете среду» — агент поставляется без листа разрешений Mac, потому что песочница ваша.

      Источник ↗
    • DeepSeekместо 8

      83% в OSWorld-Verified, но профиль доступа агентного каркаса публично не описан.

      Источник ↗
    6 ИИ поставили сюда
  6. 6

    Holo3 / Holo4 (Эйч Компани)

    Лучший результат, который сама команда бенчмарка прогнала, — 82,6%: открытые веса с 3 млрд активных параметров, так что песочницу выбираете вы. Holo4-27B заявляет 85,2%, но доступна только для исследований.

    Включили: Claude, ChatGPT, Meta. Не включили: Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.

    В их списках: Claude: 3 · ChatGPT: 7 · Meta: 4

    Что отметил каждый ИИ 3
    • Claudeместо 3

      Лучший из независимо проверенных результатов в OSWorld-Verified (82,6%) принадлежит модели всего с 3 млрд активных параметров.

      Источник ↗
    • ChatGPTместо 7

      82,6% — самый сильный независимо проверенный результат среди этих десяти строк таблицы; это специализированная модель для управления компьютером.

      Источник ↗
    • Metaместо 4

      85,2% в OSWorld у 27B при $0,08 за задачу — лучшее соотношение цены и результата здесь, но вариант 27B только для исследований.

      Источник ↗
    3 ИИ поставили сюда
  7. 7

    Meta Muse Spark / metacua

    Набирает 80,67% в официальном рейтинге OSWorld-Verified, но metacua по умолчанию управляет вашим настоящим Mac без песочницы. Инцидент с Muse помог вызвать новое предупреждение Apple.

    Включили: Claude, Meta, MiMo. Не включили: ChatGPT, Grok, Gemini, Kimi, DeepSeek, Wenxin, Qwen.

    В их списках: Claude: 9 · Meta: 6 · MiMo: см. список

    Что отметил каждый ИИ 3
    • Claudeместо 9

      Лучший результат по полностью выполненным задачам в OSWorld 2.0 в таблице — 32,0%, хотя по частичному результату у него ниже — 66,9%.

      Источник ↗
    • Metaместо 6

      80,67% проверено в OSWorld-Verified, но он управляет вашим реальным компьютером: платой за доступ становится весь компьютер, а не песочница.

      Источник ↗
    • MiMo

      В его списке названо иначе: откройте весь список.

      см. список
    3 ИИ поставили сюда
  8. 8

    Manus

    Не требует доступа к вашему Mac, потому что каждая задача выполняется на собственной облачной виртуальной машине. Его показатель 72,5% в OSWorld взят только из одного рыночного отчёта и не попал ни в один официальный рейтинг, так что считайте его оценкой.

    Включили: Meta, DeepSeek. Не включили: Claude, ChatGPT, Grok, Gemini, MiMo, Kimi, Wenxin, Qwen.

    В их списках: Meta: 8 · DeepSeek: 2

    Что отметил каждый ИИ 2
    • Metaместо 8

      Полностью изолированная облачная виртуальная машина на каждую задачу с заявлениями о «нулевом доверии» — сильная песочница, но нет опубликованного результата OSWorld, который подтвердил бы работу.

      Источник ↗
    • DeepSeekместо 2

      Работает в облачной виртуальной машине с root-доступом, поэтому его 72,5% в OSWorld достигнуты без передачи диска вашего Mac.

    2 ИИ поставили сюда
  9. 9

    Перплексити Personal Computer (Comet)

    Запрашивает все три основных разрешения для Mac, включая полный доступ к диску. Есть контрольные точки подтверждения, но нет опубликованного результата OSWorld, который показал бы, что вы получаете взамен.

    Включили: Meta, Wenxin. Не включили: Claude, ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Qwen.

    В их списках: Meta: 9 · Wenxin: 9

    Что отметил каждый ИИ 2
    • Metaместо 9

      Просит «Универсальный доступ», «Запись экрана» и «Полный доступ к диску» на вашем настоящем Mac — самый большой запрос локальных разрешений здесь, без результата OSWorld и с двумя публичными инцидентами безопасности.

      Источник ↗
    • Wenxinместо 9

      Распространяет оркестрацию агентов на локальное железо Mac; работа 24/7, оптимизированная для развёртываний на Mac mini.

    2 ИИ поставили сюда
  10. 10

    OpenClaw (бывший Moltbot / Clawdbot)

    Больше всего доступа, меньше всего доказательств: полный доступ к диску для Terminal, плюс универсальный доступ и запись экрана, управление вашим настоящим Mac без песочницы и ни одного результата OSWorld.

    Включили: Claude, Meta. Не включили: ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.

    В их списках: Claude: 10 · Meta: 10

    Что отметил каждый ИИ 2
    • Claudeместо 10

      В собственной документации перечислены нужные разрешения macOS, что делает его самым прозрачным открытым вариантом, но собственного результата в тестах у него нет.

      Источник ↗
    • Metaместо 10

      Максимальный доступ без теста: «Полный доступ к диску» для Terminal, плюс «Универсальный доступ» и «Запись экрана», без опубликованного результата OSWorld, который это бы оправдал.

      Источник ↗
    2 ИИ поставили сюда

Тройка подробно ↓

02Стоит знать

Что заметили ИИ, пока составляли список.

macOS 27.3 делит прежнюю настройку Device Control на «System & App Protection Override» и «Универсальный доступ». Добавлен вариант «спрашивать каждый раз» и индикатор в строке меню, но разрешения, выданные до 27.3, остаются в силе.

Заметили:
Включили: Claude, ChatGPT, Meta, Kimi, DeepSeek. Не включили: Grok, Gemini, MiMo, Wenxin, Qwen.
Источник ↗

Официальный №1 в OSWorld-Verified — Intelligence-Indeed Agent с результатом 90,19%. Результат подан самим разработчиком, а о том, какой доступ ему нужен, ничего не опубликовано.

Заметили:
Включили: Meta, Grok, MiMo, Kimi. Не включили: Claude, ChatGPT, Gemini, DeepSeek, Wenxin, Qwen.
Источник ↗

Одна только настройка усилия поднимает Claude Opus 5 с 18,81% до 44,33% полностью выполненных задач в OSWorld 2.0.

Заметили:
Включили: MiMo. Не включили: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek, Wenxin, Qwen.
Источник ↗

Управление компьютером в Gemini для Mac запущено 19 ноября 2026 года — в тот же день появились сообщения, что Apple создаёт собственного агента для Mac, который выйдет самое раннее к концу 2027 года.

Заметили:
Включили: Claude, Meta. Не включили: ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.
Источник ↗

03Как считали

Простыми словами, без формул.

1Вопрос

Топ-10 ИИ-агентов, которые управляют вашим компьютером: насколько хорошо они работают и сколько доступа просят

2Почему эта тема

Читатель видит результат теста и плату в виде доступа рядом. Так видно, что самый сильный агент не всегда тот, которому нужно меньше всего вашего Mac.

3Где это применимо

Весь мир; ИИ-агенты, которые работают с рабочим столом (Mac, Windows, Linux), включая настольные приложения и браузеры

4На что смотрели

  • Доля выполненных задач по OSWorld-Verified (реальные задачи на рабочем столе), с указанием проверенной модели, настроек агента и версии бенчмарка
  • Результат на более сложных длинных задачах OSWorld 2.0, показан отдельно и никогда не смешивается с OSWorld-Verified
  • Широта доступа к системе, который просит настройка агента: Полный доступ к диску, Запись экрана, Универсальный доступ и уровень переопределения в macOS 27.3
  • Может ли агент работать в песочнице или в режиме, который спрашивает разрешение каждый раз
  • Официальный рейтинг OSWorld-Verified (команда OSWorld) — доля реальных задач на рабочем столе, выполненных правильно; проверяется итоговое состояние приложения или файла. Эти строки команда OSWorld прогоняет сама, на 100 шагах
  • Таблица OSWorld-Verified от БенчЛМ — 36 моделей, каждая помечена: данные разработчика или проверка OSWorld-Verified
  • OSWorld 2.0 / 2.1 (Сноркел AI, Стил) — частичное и строгое «всё или ничего» выполнение 108 длинных многошаговых сценариев; собственная шкала, её не смешивают с OSWorld-Verified
  • Модель разрешений macOS 27.3 (MacRumors) — какой уровень запрашивает приложение: спрашивать каждый раз, универсальный доступ, полный доступ к диску, System & App Protection Override

5Кто ставил места

Ведущие ИИ: Claude, ChatGPT, Meta, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen. Каждый сам составил свой список из десяти мест и к каждому месту назвал источник.

6Как сведены места

Одно и то же, названное разными ИИ по-разному, считали за одно. Чем больше ИИ включили пункт в свой список и чем выше поставили, тем выше его место. «Согласие ИИ» показывает, у скольких ИИ этот пункт был в собственном списке. Источники — только те, что нашли сами ИИ, ничего не добавлено вручную.

04Список каждого ИИ отдельно

🇺🇸 Claude10 мест · заметок: 4

Тот же вопрос, ответ одного ИИ — Claude. Итоговый список выше объединяет все ИИ.

  1. 1
    Claude Fable 5 (управление компьютером от Anthropic, 2026)

    Набирает 85,0% в OSWorld-Verified и 66,1% частично в OSWorld 2.0; настройка — «Запись экрана» и «Универсальный доступ», без «Полного доступа к диску».

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

    Его результат в OSWorld 2.0 независимо повторила Сноркел AI (31,43% полностью выполненных задач), а в тестах GUI у него самая низкая опубликованная доля промпт-инъекций — 0,54%.

    Источник ↗
  3. 3
    Holo3 (Эйч Компани, 35B-A3B)

    Лучший из независимо проверенных результатов в OSWorld-Verified (82,6%) принадлежит модели всего с 3 млрд активных параметров.

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

    В OSWorld 2.0 на офлайн-подмножестве он лидирует среди моделей OpenAI — 72,6% частично, но OpenAI не опубликовала подходящей цифры в OSWorld-Verified, которую я смог найти.

    Источник ↗
  5. 5
    Qwen3.8-Max (Алибаба)

    Самый высокий из указанных результатов в OSWorld-Verified (86,1%), но веса не подтверждены, а цифра приведена только со слов разработчика.

    Источник ↗
  6. 6
    Симулар Sai

    Стоит $15,70 за задачу в OSWorld 2.0, с результатом 28,25% полностью выполненных задач.

    Источник ↗
  7. 7
    Управление компьютером через Gemini на Mac (Google, 2026)

    Работает в отдельном окне, но собственная документация Google предупреждает о промпт-инъекциях между приложениями.

    Источник ↗
  8. 8
    Claude Sonnet 5 (Anthropic)

    81,2% в OSWorld-Verified у модели среднего класса с теми же двумя разрешениями, что и у флагманов.

    Источник ↗
  9. 9
    Muse Spark 1.3 (Meta)

    Лучший результат по полностью выполненным задачам в OSWorld 2.0 в таблице — 32,0%, хотя по частичному результату у него ниже — 66,9%.

    Источник ↗
  10. 10
    OpenClaw (агент для Mac с открытым кодом)

    В собственной документации перечислены нужные разрешения macOS, что делает его самым прозрачным открытым вариантом, но собственного результата в тестах у него нет.

    Источник ↗

Что заметил Claude

В OSWorld 2.0 лучший независимый результат по полностью выполненным задачам (около 31%) далеко отстаёт от 66–78% частичных результатов, которые называют разработчики, так что выбор метрики меняет картину.

Лучшие модели в OSWorld-Verified отличаются друг от друга примерно на один пункт, что говорит о том, что тест близок к насыщению.

macOS 27.3 делит прежнее широкое разрешение на «Обход защиты системы и приложений» и «Универсальный доступ» и позволяет требовать подтверждения при каждом запросе.

Apple, по сообщениям, нанимает людей для создания собственного агента, который управляет Mac; запуск возможен уже в конце 2027 года.

🇺🇸 ChatGPT10 мест · заметок: 2

Тот же вопрос, ответ одного ИИ — ChatGPT. Итоговый список выше объединяет все ИИ.

  1. 1
    Qwen3.8 Max (2026)

    86,1% возглавляет текущую таблицу моделей OSWorld-Verified, но в опубликованной строке не указано, какой агентный каркас использовали.

    Источник ↗
  2. 2
    Claude Fable 5 (2026)

    85% отстаёт от лучшего результата на 1,1 пункта; таблица тестов относит результат к Anthropic.

    Источник ↗
  3. 3
    Claude Mythos 5 (2026)

    85% — наравне со вторым местом; опубликованные данные не показывают, какая агентная настройка дала этот результат.

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

    84,3% отстаёт от лидирующего результата Qwen3.8 Max менее чем на два пункта.

    Источник ↗
  5. 5
    Claude Opus 4.8 (2026)

    83,4% в более коротком тесте контрастирует с 20,6% полного выполнения в OSWorld 2.0.

    Источник ↗
  6. 6
    Gemini 3.6 Flash (2026)

    83% — результат, названный разработчиком; в таблице недостаточно данных о настройке для честного сравнения продуктов.

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

    82,6% — самый сильный независимо проверенный результат среди этих десяти строк таблицы; это специализированная модель для управления компьютером.

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

    82% держит его в восьмёрке лучших, но результат назван разработчиком, а не получен в открытом испытании конечного агента.

    Источник ↗
  9. 9
    Claude Sonnet 5 (2026)

    81,2% ставит его на 0,4 пункта выше следующей модели, но в строке не указан агентный каркас.

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

    80,8% замыкает десятку, на 5,3 пункта ниже лучшего результата.

    Источник ↗

Что заметил ChatGPT

Строка Holo3-35B-A3B с 82,6% помечена как проверенная в OSWorld-Verified; большинство результатов выше названы разработчиками, поэтому порядок в верхней части таблицы — не единое независимое сравнение.

macOS 27.3 добавляет разрешение на каждый запрос и отделяет «Универсальный доступ» от «Обхода защиты системы и приложений»; Apple говорит, что уже выданные разрешения приложений остаются в силе.

🇺🇸 Meta10 мест · заметок: 3

Тот же вопрос, ответ одного ИИ — Meta. Итоговый список выше объединяет все ИИ.

  1. 1
    Claude Cowork (Anthropic, 2026)

    85,96% в OSWorld-Verified у Fable 5 и 81,8% частично в OSWorld 2.1 у Opus 5.5; по умолчанию — облачная песочница, а не полный доступ к диску.

    Источник ↗
  2. 2
    OpenAI ChatGPT-агент (GPT-5.6 Sol, 2026)

    78,7% в OSWorld-Verified у GPT-5.5 и 62,6% частично в OSWorld 2.0 у GPT-5.6 Sol; агент работает в песочнице OpenAI и по умолчанию не видит ваш рабочий стол.

    Источник ↗
  3. 3
    Симулар Sai (Agent S, 2026)

    73% частично в OSWorld 2.0, но всего 28,25% полностью — самый широкий разрыв между частичным и полным результатом в этом рейтинге.

    Источник ↗
  4. 4
    Агент Holo4 от Эйч Компани для управления компьютером (2026)

    85,2% в OSWorld у 27B при $0,08 за задачу — лучшее соотношение цены и результата здесь, но вариант 27B только для исследований.

    Источник ↗
  5. 5
    Управление компьютером в Google Gemini для Mac (Gemini 3.6 Flash, 2026)

    83,0% в OSWorld-Verified, запущен 19 ноября 2026 года — в тот же день, когда сообщили о собственном агенте Apple для Mac.

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

    80,67% проверено в OSWorld-Verified, но он управляет вашим реальным компьютером: платой за доступ становится весь компьютер, а не песочница.

    Источник ↗
  7. 7
    Microsoft 365 Copilot Researcher с Computer Use (2026)

    Самая чистая модель доступа здесь — новая песочница для каждого разговора, но воспроизводимого результата OSWorld, с которым это можно сравнить, нет.

    Источник ↗
  8. 8
    Manus 2.0 (2026)

    Полностью изолированная облачная виртуальная машина на каждую задачу с заявлениями о «нулевом доверии» — сильная песочница, но нет опубликованного результата OSWorld, который подтвердил бы работу.

    Источник ↗
  9. 9
    Перплексити Comet Personal Computer (2026)

    Просит «Универсальный доступ», «Запись экрана» и «Полный доступ к диску» на вашем настоящем Mac — самый большой запрос локальных разрешений здесь, без результата OSWorld и с двумя публичными инцидентами безопасности.

    Источник ↗
  10. 10
    OpenClaw (ранее Moltbot / Clawdbot, 2026)

    Максимальный доступ без теста: «Полный доступ к диску» для Terminal, плюс «Универсальный доступ» и «Запись экрана», без опубликованного результата OSWorld, который это бы оправдал.

    Источник ↗

Что заметил Meta

Gemini для управления компьютером на Mac запущен 19 ноября 2026 года — в тот же день TechCrunch сообщила, что Apple создаёт собственного ИИ-агента для Mac, который может запуститься уже в конце 2027 года.

macOS 27.3 делит «Управление устройством и доступ к данным» на «Обход защиты системы и приложений» и «Универсальный доступ», добавляет полный доступ к диску по папкам, опцию «спрашивать каждый раз» и значок в строке меню, когда одно приложение управляет другим.

Лучший результат в проверенной таблице OSWorld — не потребительская модель: Intelligence-Indeed Agent набрал 90,19% проверено, опередив Claude Fable 5 с 85,96%, что показывает, сколько добавляют каркас и фреймворк поверх модели.

🇺🇸 Grok10 мест · заметок: 1

Тот же вопрос, ответ одного ИИ — Grok. Итоговый список выше объединяет все ИИ.

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

    Первый проверенный агент, перешагнувший 90% в OSWorld-Verified (90,19%).

    Источник ↗
  2. 2
    Управление компьютером: Claude Fable 5 / Mythos 5 (Anthropic, 2026)

    85% проверено — близко к вершине, а Anthropic также лидирует по длинным частичным результатам.

    Источник ↗
  3. 3
    Настройка Qwen3.8 Max для управления компьютером (Алибаба, 2026)

    Лидирует во многих агрегаторах с 86,1% проверено и открытыми весами.

    Источник ↗
  4. 4
    Симулар Sai (2026)

    Самый высокий опубликованный частичный результат в OSWorld 2.0/2.1 (~73–79%) при меньшей цене, чем у чисто передовых моделей.

    Источник ↗
  5. 5
    Управление компьютером: Claude Opus 5 / 5.5 (Anthropic, 2026)

    Лучший полный и частичный результат в длинных задачах OSWorld 2.0/2.1 (до 44% полностью и 81,8% частично).

    Источник ↗
  6. 6
    Коасти CUA (2026)

    Официальная проверенная запись 82,81%; упор на управление настоящим рабочим столом.

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

    83,64% проверено; гибридный подход — код плюс GUI.

    Источник ↗
  8. 8
    Линейка OpenAI ChatGPT Agent / Operator (2025–2026)

    Ранние 38,1% в OSWorld; позднее работа в песочнице, на виртуальном компьютере, снижает потребность в полном локальном управлении.

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

    66,0% проверено при масштабе 4B — лучший из опубликованных открытых компактных гибридных агентов GUI и оболочки.

    Источник ↗
  10. 10
    Управление компьютером в Claude Code (Anthropic, 2026)

    «Универсальный доступ» и «Запись экрана» в рамках сессии, с запросами подтверждения для каждого приложения.

    Источник ↗

Что заметил Grok

Агенты теперь регулярно превышают ~72% результата людей в OSWorld-Verified, но полное выполнение длинных задач OSWorld 2.0 остаётся ниже 50% даже у лидеров.

🇺🇸 Gemini10 мест · заметок: 1

Тот же вопрос, ответ одного ИИ — Gemini. Итоговый список выше объединяет все ИИ.

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

    Показывает 44,2% в OSWorld-Verified и предлагает строгую изоляцию API в Docker и подтверждение каждого действия человеком.

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

    Опережает закрытые модели с 53,1% в OSWorld-Verified и работает локально на обычном железе, не получая root-доступа и без облачной телеметрии.

    Источник ↗
  3. 3
    Agent S2.5 с o3 (2025)

    Использует токены рассуждений, чтобы выйти на 56,4% в проверенных задачах рабочего стола, но требует вторжения в «Универсальный доступ» и прямого чтения и записи файловой системы.

  4. 4
    OpenAI Operator (2025)

    Набирает 46,8% в задачах ОС на рабочем столе с помощью браузера, ограничивая радиус действия в основном автоматизацией браузера и изолированными вкладками виртуальной машины.

  5. 5
    Автономный агент Коасти (2025)

    Выполняет 42,1% задач OSWorld со встроенными удалённым браузером и песочницей рабочего стола, которая отделяет вашу локальную систему от произвольных кликов.

  6. 6
    OS-Copilot / FRIDAY (2024)

    Первым создал самообучающихся агентов рабочего стола — 35,6% в OSWorld, но требует безусловной оболочки Bash с root-правами и «Полного доступа к диску».

  7. 7
    Агент Симулар (2025)

    Достигает 38,3% в проверенных тестах, используя мультимодальные координаты GUI, с жёстким порогом подтверждения перед выполнением.

  8. 8
    OpenAdapt: автоматизация рабочего стола (2024)

    Записывает состояния экрана и действия пользователя, чтобы выйти на 29,8% в рабочих процессах рабочего стола, и работает прозрачно через открытые локальные журналы.

    Источник ↗
  9. 9
    Adept ACT-1 / агент Workday (2024)

    Первым выполнил действия в корпоративном ПО через интерфейс — 31,2% проверенных задач, заключённых в обёртки DOM браузера, а не управление на уровне ОС.

  10. 10
    Прототип агента Apple для Mac (2026)

    Ориентирован на системную интеграцию Siri и App Intents, чтобы выполнять задачи на Mac между приложениями под встроенными защитными механизмами macOS 27.3 от Apple.

    Источник ↗

Что заметил Gemini

Ближайшее обновление Apple macOS 27.3 вводит строгие предупреждения, когда сторонние агенты одновременно запрашивают «Запись экрана» и «Обход защиты» для «Универсального доступа»; это прямо бросает вызов автономным обёрткам для рабочего стола.

🇨🇳 MiMo10 мест · заметок: 4

Тот же вопрос, ответ одного ИИ — MiMo. Итоговый список выше объединяет все ИИ.

  1. 1
    Claude Code (Anthropic, 2026)

    Единственный агент здесь, который запускает команды в клетке — и клетка сократила запросы разрешений на 84%.

    Источник ↗
  2. 2
    Управление компьютером в Gemini для Mac (Google, 2026)

    Пришёл поздно — и единственный гость, который показывает ход работы, прежде чем трогать приложение.

    Источник ↗
  3. 3
    Управление компьютером в GPT-6.2 Astra (OpenAI, 2026)

    Самый сильный новый мозг для управления компьютером по трети цены — и со своей карточкой безопасности, перечисляющей рабочие происшествия.

    Источник ↗
  4. 4
    Управление компьютером в Claude Cowork (Anthropic)

    Результаты топового уровня — и честная сноска в его документации: между агентом и вашим экраном нет песочницы.

    Источник ↗
  5. 5
    Qwen3.8 Max (Алибаба, 2026)

    Лидирует в таблице рабочего стола с 86,1% — указан как открытый, хотя проверенная визуальная модель таковой не является.

    Источник ↗
  6. 6
    Управление компьютером в Claude Opus 5 (Anthropic)

    Одна и та же модель, один и тот же день: 18,8% или 44,3% длинной работы завершено — в зависимости от того, насколько сильно велено стараться.

    Источник ↗
  7. 7
    Симулар Sai (Симулар, 2026)

    Продаётся за задачу: $15,70 за выполненную задачу — единственный агент с ценником на результат.

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

    Открытые веса с 82% — близко к коммерческим лидерам без привязки к поставщику.

    Источник ↗
  9. 9
    Агент Apple для Mac (в разработке, 2027)

    Собственный агент привратника: он поможет написать правила разрешений, по которым потом сам и играет.

    Источник ↗
  10. 10
    Агент Intelligence-Indeed (2026)

    Загадочный чемпион таблицы: 90,19%, выше уровня людей — и назвать его почти никто не может.

    Источник ↗

Что заметил MiMo

Агенты обошли людей в тесте рабочего стола из 369 задач (уровень людей 72,36%, лучший результат 90,19%), но лучшая машина выполняет меньше половины длинных реальных задач OSWorld 2.0 по полному результату.

Настройки усилий влияют на результат сильнее выбора модели: Opus 5 переходит с 18,81% до 44,33% полного выполнения в том же тесте, если поставить усилие с низкого на максимальное.

Агент с лучшей историей доступа работает в песочнице и сократил запросы разрешений на 84%; у агента с лучшими результатами прямо сказано, что песочницы нет вообще.

Новый выпуск macOS от Apple считает ИИ-агентов рисками, против которых нужно проектировать, — разделяя права на диск, — при этом Apple строит собственного агента на 2027 год.

🇨🇳 Kimi10 мест · заметок: 4

Тот же вопрос, ответ одного ИИ — Kimi. Итоговый список выше объединяет все ИИ.

  1. 1
    Claude Computer Use (Claude Opus 5.5, Anthropic)

    Лучший длинный результат для рабочего стола на записи — 48,7% полностью выполненных задач в OSWorld 2.0, полученных внутри виртуальной машины, которую вы предоставляете, поэтому она никогда не касается уровней разрешений вашего Mac.

    Источник ↗
  2. 2
    Qwen3.8 Max (Алибаба)

    86,1% в OSWorld-Verified — и веса можно скачать (27B-контрольная точка даёт 84,3%), поэтому лучший результат для рабочего стола не требует никакого доступа к вашей машине.

    Источник ↗
  3. 3
    Gemini Computer Use (Google, Gemini 3.x)

    78,4% в OSWorld-Verified с «полный: вы сами запускаете среду» — агент поставляется без листа разрешений Mac, потому что песочница ваша.

    Источник ↗
  4. 4
    ChatGPT Computer Use (OpenAI, GPT-5.4)

    Самый способный нативный агент на вашем Mac (75% в OSWorld-Verified) также самый требовательный: «Запись экрана», «Универсальный доступ», подтверждения для каждого приложения — плюс добровольный режим Locked Use, который может временно разблокировать Mac.

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

    73,1% в OSWorld-Verified у модели с открытыми весами — достаточно сильно, чтобы иметь значение, и бесплатно запускается внутри одноразовой виртуальной машины.

    Источник ↗
  6. 6
    Claude Cowork / управление компьютером в десктопе Claude (Anthropic)

    Потребительская упаковка того же стека: спрашивает по каждому приложению, советует не открывать банковские и медицинские приложения и касается вашего компьютера, только пока открыто настольное приложение.

    Источник ↗
  7. 7
    Agent S3 (Симулар)

    69,9% в OSWorld — в пределах 2,5 пункта от уровня людей — у открытого фреймворка, чей Behavior Best-of-N покупает очки дополнительными прогонами, а не дополнительными разрешениями.

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

    47,5% в OSWorld с поворотом про приватность: вариант 7B работает на одном потребительском GPU, так что ваш экран никогда не покидает машину.

    Источник ↗
  9. 9
    OpenCUA-72B (HKU и Moonshot AI)

    45,0% в OSWorld-Verified — лучший открытый результат, и поскольку код, данные и модели открыты, возможность проверки и есть вся история доступа.

    Источник ↗
  10. 10
    Агент Intelligence-Indeed

    90,19% на вершине официальной таблицы OSWorld-Verified — цифра, которую почти никто за пределами собственной заявки не может воспроизвести.

    Источник ↗

Что заметил Kimi

Два результата OSWorld описывают разные продукты: тот же Claude Opus 4.8 получает 83,5% в OSWorld-Verified, но лишь 20,6% полного выполнения в 108 длинных рабочих сценариях OSWorld 2.0 — короткие демо почти решены, задачи на рабочий день — нет.

macOS 27.3 делит прежний переключатель «Управление устройством и доступ к данным» на «Обход защиты системы и приложений» и «Универсальный доступ», добавляет уровень «Сначала спросить», область действия по приложениям, явные предупреждения «Читать, менять, удалять и экспортировать все ваши данные» и значок в строке меню, — но все разрешения, выданные до 27.3, остаются в силе.

Передовой уровень управления рабочим столом можно скачать: Алибаба открыла контрольную точку класса Max (вариант 27B набирает 84,3% в OSWorld-Verified), что впервые делает возможным полностью изолированного агента высшего уровня, который можно развернуть у себя.

OSWorld-Verified насыщается: лучшие модели кластеризуются в пределах ~1,1 пункта, выше 72,36% уровня людей — именно поэтому существует OSWorld 2.0 и агенты оцениваются по широте доступа, а не по последнему пункту теста.

🇨🇳 DeepSeek10 мест · заметок: 4

Тот же вопрос, ответ одного ИИ — DeepSeek. Итоговый список выше объединяет все ИИ.

  1. 1
    OpenAI Operator (2026)

    Выдаёт 38,1% в OSWorld из облачной песочницы браузера — почти без локального диска и без разрешения «Универсальный доступ».

    Источник ↗
  2. 2
    Десктопный агент Manus (Meta, 2026)

    Работает в облачной виртуальной машине с root-доступом, поэтому его 72,5% в OSWorld достигнуты без передачи диска вашего Mac.

  3. 3
    Claude Computer Use (обвязка Claude Fable 5 / Opus 5, 2026)

    85% в OSWorld-Verified только с «Универсальным доступом» и «Записью экрана» — без «Полного доступа к диску» — и с уровнем переопределения для каждого приложения в macOS 27.3.

    Источник ↗
  4. 4
    Коасти CUA v1 (2026)

    82,81% проверено в OSWorld-Verified; запрашивает запись экрана и универсальный доступ — но не полный доступ к диску.

    Источник ↗
  5. 5
    Агент Qwen3.8 Max (Алибаба, 2026)

    86,1% в OSWorld-Verified — самый высокий из указанных, но локальный след разрешений агента публично не описан.

    Источник ↗
  6. 6
    Agent S3 (Симулар, 2026)

    72,6% в OSWorld — выше уровня людей — в открытом каркасе, который работает с «Универсальным доступом» и «Записью экрана».

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

    67,1% в OSWorld-Verified в январе 2026 — достойно, но требует полного управления интерфейсом рабочего стола.

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

    83% в OSWorld-Verified, но профиль доступа агентного каркаса публично не описан.

    Источник ↗
  9. 9
    Агент Kimi K3 (Moonshot AI, 2026)

    84,8% в OSWorld-Verified по состоянию на 8 ноября 2026 — высокий успех задач, но локальный запрос разрешений неясен.

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

    47,5% в OSWorld и 50,6% в WindowsAgentArena — нативное управление GUI, но нужны разрешения на экран и ввод.

Что заметил DeepSeek

Разброс доступа к результатам крайний: Operator уступает Claude Fable 5 47 процентных пунктов в OSWorld (38,1% против 85%), но никогда не трогает ваш локальный диск, тогда как Claude для 85% нужны только «Универсальный доступ» и «Запись экрана», а не «Полный доступ к диску».

OSWorld 2.0 снижает результаты всех: лучшее полное выполнение — 44,33% (Claude Opus 5, максимальные усилия, пакетный инструмент), хотя та же семья набирает 85% в OSWorld-Verified. Длинный горизонт — другая игра.

macOS 27.3 делает вопрос доступа явным: полный доступ к диску делится и ограничивается по областям, а «Обход защиты системы и приложений» получает собственный уровень со значком в строке меню — так что агент, который просит «всего лишь» универсальный доступ, теперь заметно отличается от того, которому нужен контроль обхода.

Проверенный результат Коасти — 82,81% — выше, чем у большинства коммерческих агентов, и близок к верхним результатам моделей, но в опубликованных результатах OSWorld 2.0 его нет — это показывает, насколько неравномерно внедряют этот тест на длинные задачи.

🇨🇳 Wenxin10 мест · заметок: 1

Тот же вопрос, ответ одного ИИ — Wenxin. Итоговый список выше объединяет все ИИ.

  1. 1
    Собственный ИИ-агент Apple для macOS (ранняя сборка 2027 года)

    Ни одна сторонняя компания не получает данных по умолчанию; нативная работа в песочнице; никаких внешних разрешений сверх модели разрешений самой Apple.

    Источник ↗
  2. 2
    OpenAI Agents API (бета, 2026)

    Общая доля разработчиков, использующих: 74%; полная поддержка песочницы с размещением у OpenAI или собственной средой выполнения.

  3. 3
    Перплексити Computer (2026)

    Оркестрация более 100 параллельных субагентов; изолированная вычислительная среда с настоящей файловой системой и браузером; полный root-доступ к рабочему столу не нужен.

  4. 4
    ИИ-агент Sai (2026)

    Стоимость автоматизации GUI в среднем падает на 40% после 3 запусков рабочих процессов; бесплатный тариф с ограниченными ежедневными кредитами облачной песочницы Windows/Linux.

  5. 5
    Агент Anthropic Claude Computer Use (2026)

    Общее использование разработчиками — 75%, наравне с OpenAI; 49% разработчиков планируют работать с ним в следующем году — самое высокое намерение в отрасли.

  6. 6
    Агент Meta Muse (2026)

    Открытая кроссплатформенная поддержка настольных систем; никакой обязательной передачи облачных данных для локального выполнения задач.

    Источник ↗
  7. 7
    Агент OpenAI Codex (2026)

    8% разработчиков называют его самым любимым инструментом, 17,6% планируют использовать дальше — третье по величине намерение использовать в мире.

  8. 8
    OpenCode (2026)

    Лучший открытый настольный агент для программирования: 7% — доля самых любимых у разработчиков, 11,7% — намерение использовать дальше в сообществе открытого ПО.

  9. 9
    Приложение Перплексити Personal Computer для Mac (2026)

    Распространяет оркестрацию агентов на локальное железо Mac; работа 24/7, оптимизированная для развёртываний на Mac mini.

  10. 10
    OpenAI Agents SDK (бета, 2026)

    Полный контроль пользовательского цикла внутри собственного приложения; без обязательной привязки к размещённой среде OpenAI.

Что заметил Wenxin

Ближайший собственный ИИ-агент Apple для Mac будет работать нативно в новой системе разрешений macOS 27.3 и не потребует постоянного полного доступа к диску, записи экрана или универсального доступа, которые сейчас запрашивают все сторонние агенты.

🇨🇳 Qwen10 мест · заметок: 3

Тот же вопрос, ответ одного ИИ — Qwen. Итоговый список выше объединяет все ИИ.

  1. 1
    Qwen3.8 Max

    86,1% в OSWorld-Verified — самый высокий проверенный результат для рабочего стола на сегодня, при этом доступны точные настройки разрешений для инструментов.

    Источник ↗
  2. 2
    Claude Opus 5.5

    Единственный агент, преодолевший 81% в тяжёлом наборе OSWorld 2.0 из 108 длинных задач.

    Источник ↗
  3. 3
    Claude Fable 5

    Выходит на 85,0% в реальных задачах рабочего стола, но опирается на полное переопределение записи экрана и универсального доступа.

    Источник ↗
  4. 4
    Коасти

    Близкий второй с 85,6% проверено; специально оптимизирован для снижения вычислительной нагрузки и следа доступа.

    Источник ↗
  5. 5
    Kimi K3

    Набирает 84,8% в OSWorld-Verified и предлагает режим в браузерной песочнице, который обходит полный доступ к диску.

    Источник ↗
  6. 6
    Claude Fable 5.1

    Набирает 77,9% в OSWorld 2.0, доказывая, что может вести многочасовые процессы, когда ему дан полный контроль Mac.

    Источник ↗
  7. 7
    Qwen3.8-27B

    Версия с открытыми весами локально даёт 84,3%, но требует явного одобрения пользователя для «Универсального доступа» и «Полного доступа к диску».

    Источник ↗
  8. 8
    Sai от Симулар

    Достигает 73% в OSWorld 2.0, сочетая длинные профессиональные задачи со строгой локальной песочницей.

    Источник ↗
  9. 9
    GPT-6 Astra

    Выходит на 72,6% в OSWorld 2.0, но его облачная архитектура означает, что локальная машина выдаёт только разрешение на показ экрана.

    Источник ↗
  10. 10
    GPT-6.1 Sol

    Набирает 71,4% в OSWorld 2.0 и требует полного уровня переопределения macOS 27.3, чтобы ориентироваться в сложных состояниях рабочего стола.

    Источник ↗

Что заметил Qwen

Теперь macOS 27.3 от Apple требует разрешения у ИИ-агентов каждый раз, когда они открывают чувствительные папки, и это ломает прежнюю модель «настроил и забыл» с полным доступом к диску.

Агенты теперь проходят уровень людей 72,36% в OSWorld-Verified, а значит, ИИ официально быстрее и точнее среднего человека в рутинных кликах на рабочем столе.

Длинные задачи OSWorld 2.0 в среднем занимают более 250 шагов агента, и это показывает, как даже топовые модели, например GPT-6 Astra, с трудом удерживают контекст на часе работы.