返回今日热点: 苹果公司正在开发能替你使用 Mac 的 AI 助手
Poly 榜单 · 来自今日热点

2026年控制电脑的最佳AI智能体

Claude的电脑操控功能只需“屏幕录制”和“辅助功能”两项权限,就能完成真实桌面任务的85.96%;而OpenClaw要求“完全磁盘访问权限”,且从未公布任何成绩。

  • 第1名:Qwen3.8 Max(阿里巴巴)
  • 10 个名次

01最终榜单

领先的 AI 各自独立编制了十项榜单。这里是一份便于核对的汇总:每个名次都有理由、来源,以及列入它的 AI。

排序依据:按 AI 认同度从高到低。

亮色标签表示该 AI 把这一项列入了自己的榜单,暗色标签表示没有。

  1. 1

    Qwen3.8 Max(阿里巴巴)

    OSWorld-Verified公开榜单上的最高分,86.1%,但只有阿里巴巴公布了这一成绩。Steel表示所测试的视觉模型尚未公开,因此你暂时无法在自己的沙盒中运行它。

    已列入: Claude, ChatGPT, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. 未列入: Gemini, Wenxin.

    在各自榜单中的名次: Claude: 5 · ChatGPT: 1 · Meta: 查看列表 · Grok: 3 · MiMo: 5 · Kimi: 2 · DeepSeek: 5 · Qwen: 1

    每个 AI 的看法 8
    • Claude第 5 名

      它列出的 OSWorld-Verified 数字最高(86.1%),但权重未经证实,成绩仅由厂商自报。

      来源 ↗
    • ChatGPT第 1 名

      86.1% 位居当前 OSWorld-Verified 模型表之首,但公布的数据行没有披露其智能体框架。

      来源 ↗
    • Meta

      在它自己的列表中名称不同:请打开完整列表。

      查看列表
    • Grok第 3 名

      以开放权重在 OSWorld-Verified 上得分 86.1%,在众多聚合榜单中名列前茅。

      来源 ↗
    • MiMo第 5 名

      在桌面榜单上以 86.1% 居首——标注为开源,而所测试的视觉模型并非开源。

      来源 ↗
    • Kimi第 2 名

      OSWorld-Verified 得分 86.1%——而且权重可以下载(27B 检查点达到 84.3%),所以这一最高桌面成绩无需访问你电脑的任何权限。

      来源 ↗
    • DeepSeek第 5 名

      OSWorld-Verified 上得分 86.1%——列出的最高分——但该智能体对本地权限的占用并未公开说明。

      来源 ↗
    • Qwen第 1 名

      在 OSWorld-Verified 上得分 86.1%,是迄今验证过的最高桌面分数,同时允许精细的工具权限控制。

      来源 ↗
    8 个 AI 列入此名次
  2. 2

    Claude电脑操控(Anthropic:Claude Code、Cowork)

    官方公布成绩中主流智能体的最高分,85.96%,只需“屏幕录制”和“辅助功能”,不需要“完全磁盘访问权限”。星号处是7月的SharedRoot沙盒逃逸漏洞。

    已列入: Claude, ChatGPT, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. 未列入: Gemini, Wenxin.

    在各自榜单中的名次: Claude: 1 · ChatGPT: 2 · Meta: 1 · Grok: 10 · MiMo: 1 · Kimi: 6 · DeepSeek: 3 · Qwen: 3

    每个 AI 的看法 8
    • Claude第 1 名

      在 OSWorld-Verified 上得分 85.0%,在 OSWorld 2.0 上部分完成得分 66.1%;设置只需开启屏幕录制和辅助功能,无需完全磁盘访问权限。

      来源 ↗
    • ChatGPT第 2 名

      85% 与榜首相差 1.1 分;基准表将该成绩归于 Anthropic。

      来源 ↗
    • Meta第 1 名

      Fable 5 在 OSWorld-Verified 上为 85.96%,Opus 5.5 在 OSWorld 2.1 上部分完成为 81.8%;默认使用云沙箱,而不是默认获得完整磁盘访问权限。

      来源 ↗
    • Grok第 10 名

      仅限会话范围的辅助功能与屏幕录制,并有按应用的批准提示。

      来源 ↗
    • MiMo第 1 名

      这里唯一把命令放在笼子里运行的智能体——而这个笼子让权限提示减少了 84%。

      来源 ↗
    • Kimi第 6 名

      同一套技术的消费级包装:它逐个应用询问,建议避开银行或健康类应用,并且只在桌面应用打开时才会接触你的电脑。

      来源 ↗
    • DeepSeek第 3 名

      仅凭辅助功能和屏幕录制,在 OSWorld-Verified 上达到 85%——不需要完全磁盘访问权限——并在 macOS 27.3 中有按应用的覆盖权限层级。

      来源 ↗
    • Qwen第 3 名

      在真实桌面任务上达到 85.0%,但依赖完整的屏幕录制和辅助功能覆盖权限。

      来源 ↗
    8 个 AI 列入此名次
  3. 3

    OpenAI ChatGPT智能体 / Codex电脑操控

    两种模式对应两种权限代价:云端的ChatGPT智能体完全看不到你的桌面,而Mac上的Codex需要“屏幕录制”和“辅助功能”。GPT-5.5在OSWorld-Verified上得分78.7%。

    已列入: Claude, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. 未列入: ChatGPT, Gemini, Wenxin.

    在各自榜单中的名次: Claude: 查看列表 · Meta: 2 · Grok: 8 · MiMo: 3 · Kimi: 4 · DeepSeek: 1 · Qwen: 查看列表

    每个 AI 的看法 7
    • Claude

      在它自己的列表中名称不同:请打开完整列表。

      查看列表
    • Meta第 2 名

      GPT-5.5 在 OSWorld-Verified 上为 78.7%,GPT-5.6 Sol 在 OSWorld 2.0 上部分完成为 62.6%;该智能体运行在 OpenAI 的沙箱中,默认看不到你的桌面。

      来源 ↗
    • Grok第 8 名

      早期 OSWorld 得分 38.1%;之后的沙箱虚拟电脑减少了对本机完全控制权限的需求。

      来源 ↗
    • MiMo第 3 名

      成本只有三分之一,却是最强的新一代电脑操作“大脑”——而且它自带的安全说明列出了职场中可能出现的意外。

      来源 ↗
    • Kimi第 4 名

      你自己 Mac 上功能最强的原生智能体(OSWorld-Verified 75%),同时也是要求最多的:屏幕录制、辅助功能、按应用的批准——外加一个可选开启的“锁定使用”模式,可临时解锁 Mac。

      来源 ↗
    • DeepSeek第 1 名

      在云端浏览器沙箱中,OSWorld 得分 38.1%——几乎不需要本地磁盘或辅助功能权限。

      来源 ↗
    • Qwen

      在它自己的列表中名称不同:请打开完整列表。

      查看列表
    7 个 AI 列入此名次
  4. 4

    Simular Sai(Agent S)

    可以在云端桌面上运行,而不必用你的Mac。它声称在OSWorld 2.0上有73%的部分完成率,但真正全部完成的任务只有28.25%。Simular参与编写了该基准,成绩也是它自己报告的。

    已列入: Claude, Meta, Grok, MiMo, Kimi, DeepSeek, Qwen. 未列入: ChatGPT, Gemini, Wenxin.

    在各自榜单中的名次: Claude: 6 · Meta: 3 · Grok: 4 · MiMo: 7 · Kimi: 7 · DeepSeek: 6 · Qwen: 8

    每个 AI 的看法 7
    • Claude第 6 名

      在 OSWorld 2.0 上每项任务成本 $15.70,完整完成得分 28.25%。

      来源 ↗
    • Meta第 3 名

      OSWorld 2.0 部分完成 73%,但完整完成只有 28.25%——是本榜单中部分完成与完整完成差距最大的。

      来源 ↗
    • Grok第 4 名

      在 OSWorld 2.0/2.1 上报告的部分完成得分最高(约 73–79%),成本低于纯前沿模型。

      来源 ↗
    • MiMo第 7 名

      按任务收费:每个完成的任务 $15.70——唯一为结果明码标价的智能体。

      来源 ↗
    • Kimi第 7 名

      OSWorld 上得分 69.9%——与人类基准相差 2.5 分——来自一个开源框架,其 Behavior Best-of-N 靠额外的推演换取分数,而不是额外的权限。

      来源 ↗
    • DeepSeek第 6 名

      OSWorld 上得分 72.6%——高于人类基准——来自一个开源框架,它运行时只需辅助功能和屏幕录制。

      来源 ↗
    • Qwen第 8 名

      在 OSWorld 2.0 上达到 73%,在长时程专业任务与严格的本地沙箱之间取得平衡。

      来源 ↗
    7 个 AI 列入此名次
  5. 5

    适用于Mac的Gemini电脑操控(谷歌)

    在OSWorld-Verified上得分83%(谷歌公布),工作时在单独窗口中进行,只操作你选定的应用,关键操作前会先询问。评测人员提醒,被注入的文字仍可能诱导它。

    已列入: Claude, ChatGPT, Meta, MiMo, Kimi, DeepSeek. 未列入: Grok, Gemini, Wenxin, Qwen.

    在各自榜单中的名次: Claude: 7 · ChatGPT: 查看列表 · Meta: 5 · MiMo: 2 · Kimi: 3 · DeepSeek: 8

    每个 AI 的看法 6
    • Claude第 7 名

      它在独立窗口中运行,但谷歌自己的文档提醒,跨应用可能存在提示注入风险。

      来源 ↗
    • ChatGPT

      在它自己的列表中名称不同:请打开完整列表。

      查看列表
    • Meta第 5 名

      OSWorld-Verified 得分 83.0%,于 2026 年 11 月 19 日发布——与苹果自家 Mac 智能体被报道的同一天。

      来源 ↗
    • MiMo第 2 名

      进场很晚——但它是唯一在接触应用之前先展示过程的新来者。

      来源 ↗
    • Kimi第 3 名

      OSWorld-Verified 得分 78.4%,标注为“完全:由你运行环境”——该智能体没有附带 Mac 权限页面,因为沙箱是你自己的。

      来源 ↗
    • DeepSeek第 8 名

      OSWorld-Verified 上得分 83%,但该智能体框架的访问权限说明未公开记录。

      来源 ↗
    6 个 AI 列入此名次
  6. 6

    Holo3 / Holo4(H Company)

    基准测试团队自己跑出的最高分,82.6%,来自开放权重、激活参数仅3B的模型,沙盒由你自己选。Holo4-27B声称得分85.2%,但仅供研究使用。

    已列入: Claude, ChatGPT, Meta. 未列入: Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.

    在各自榜单中的名次: Claude: 3 · ChatGPT: 7 · Meta: 4

    每个 AI 的看法 3
    • Claude第 3 名

      独立运行的 OSWorld-Verified 榜单第一名(82.6%)来自一个仅有 3B 活跃参数的模型。

      来源 ↗
    • ChatGPT第 7 名

      82.6% 是这十个表格条目中独立基准测试最强的成绩;它是一款专门的电脑操作模型。

      来源 ↗
    • Meta第 4 名

      27B 版本在 OSWorld 上得分 85.2%,每项任务 $0.08——这里性价比最高,但 27B 版本仅供研究。

      来源 ↗
    3 个 AI 列入此名次
  7. 7

    Meta Muse Spark / metacua

    在官方OSWorld-Verified榜单上得分80.67%,但metacua默认直接操控你真实的Mac,没有沙盒。Muse事件促使苹果推出了新的警告。

    已列入: Claude, Meta, MiMo. 未列入: ChatGPT, Grok, Gemini, Kimi, DeepSeek, Wenxin, Qwen.

    在各自榜单中的名次: Claude: 9 · Meta: 6 · MiMo: 查看列表

    每个 AI 的看法 3
    • Claude第 9 名

      在 OSWorld 2.0 上完整完成得分 32.0%,是榜单上最高的,但部分完成得分较低,为 66.9%。

      来源 ↗
    • Meta第 6 名

      在 OSWorld-Verified 上验证得分 80.67%,但它直接操控你的真实电脑——访问代价是整台电脑,而不是一个沙箱。

      来源 ↗
    • MiMo

      在它自己的列表中名称不同:请打开完整列表。

      查看列表
    3 个 AI 列入此名次
  8. 8

    Manus

    无需访问你的Mac,因为每个任务都在各自的云虚拟机中运行。其72.5%的OSWorld成绩仅来自一份市场报告,不在任何官方榜单上,请当作估算看待。

    已列入: Meta, DeepSeek. 未列入: Claude, ChatGPT, Grok, Gemini, MiMo, Kimi, Wenxin, Qwen.

    在各自榜单中的名次: Meta: 8 · DeepSeek: 2

    每个 AI 的看法 2
    • Meta第 8 名

      每个任务都有一台完全隔离的云虚拟机,并声称零信任——沙箱很强,但没有公开的 OSWorld 成绩来证明工作成效。

      来源 ↗
    • DeepSeek第 2 名

      运行在带 root 权限的云虚拟机中,因此其 OSWorld 72.5% 的成绩无需交出你 Mac 的磁盘。

    2 个 AI 列入此名次
  9. 9

    珀普莱西蒂 Personal Computer(Comet)

    要求Mac上全部三项重要权限,包括“完全磁盘访问权限”。它设有审批检查点,但没有公布OSWorld成绩,无法让你看到换来的是什么。

    已列入: Meta, Wenxin. 未列入: Claude, ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Qwen.

    在各自榜单中的名次: Meta: 9 · Wenxin: 9

    每个 AI 的看法 2
    • Meta第 9 名

      要求在你的真实 Mac 上获得辅助功能、屏幕录制和完全磁盘访问权限——本地权限要求最高——没有 OSWorld 成绩,并且公开发生过两起安全事件。

      来源 ↗
    • Wenxin第 9 名

      把智能体编排直接扩展到本地 Mac 硬件,针对 Mac mini 部署优化,可 24/7 运行。

    2 个 AI 列入此名次
  10. 10

    OpenClaw(原名Moltbot / Clawdbot)

    权限要得最多,证明却最少:为“终端”开通“完全磁盘访问权限”,并加上“辅助功能”和“屏幕录制”,在没有沙盒的情况下控制你真实的Mac,且没有OSWorld成绩。

    已列入: Claude, Meta. 未列入: ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.

    在各自榜单中的名次: Claude: 10 · Meta: 10

    每个 AI 的看法 2
    • Claude第 10 名

      它自己的文档列出了所需的 macOS 权限,这使它成为最透明的开源选项,但它没有自己的基准成绩。

      来源 ↗
    • Meta第 10 名

      权限最大,却没有基准成绩:给终端完全磁盘访问权限,外加辅助功能和屏幕录制,但没有公开的 OSWorld 成绩来证明其必要性。

      来源 ↗
    2 个 AI 列入此名次

前三名详解 ↓

02值得了解

AI 在编制榜单时注意到的内容。

macOS 27.3把原来的“设备控制”设置拆分为“系统与应用保护覆盖”和“辅助功能”两项。新增了每次询问的选项和菜单栏指示器,但27.3之前已授予的权限依然有效。

提及者:
已列入: Claude, ChatGPT, Meta, Kimi, DeepSeek. 未列入: Grok, Gemini, MiMo, Wenxin, Qwen.
来源 ↗

OSWorld-Verified官方榜首是Intelligence-Indeed Agent,得分90.19%。该成绩为其自行提交,关于它所需权限的信息没有任何公布。

提及者:
已列入: Meta, Grok, MiMo, Kimi. 未列入: Claude, ChatGPT, Gemini, DeepSeek, Wenxin, Qwen.
来源 ↗

仅调整“投入程度”设置,就能让Claude Opus 5在OSWorld 2.0上的二元完成率从18.81%提升到44.33%。

提及者:
已列入: MiMo. 未列入: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek, Wenxin, Qwen.
来源 ↗

谷歌的Mac电脑操控功能于2026年11月19日上线,同一天有报道称苹果最早在2027年底推出自己的Mac智能体。

提及者:
已列入: Claude, Meta. 未列入: ChatGPT, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen.
来源 ↗

03我们如何统计

用大白话讲,不用公式。

1问题

能控制你电脑的十大AI智能体:实际表现与索取的访问权限对比

2为什么选这个话题

读者可以并排看到基准成绩,以及为此付出的访问权限代价,由此可见,最强的智能体并不总是最少需要你Mac权限的那个。

3适用范围

全球范围;可操作桌面(Mac、Windows、Linux)的AI智能体,包括桌面应用和浏览器

4考量标准

  • 在OSWorld-Verified(真实桌面任务)上的任务完成得分,注明所测模型、智能体配置和基准版本
  • 在难度更高的OSWorld 2.0长时程任务上的得分,单独显示,不与OSWorld-Verified混合
  • 智能体配置索取的系统访问权限范围:完全磁盘访问、屏幕录制、辅助功能控制,以及macOS 27.3中的覆盖级别
  • 智能体能否在沙盒中运行,或以每次都询问许可的模式运行
  • OSWorld-Verified官方榜单(OSWorld团队)——完成真实桌面任务的比例,依据最终的应用或文件状态核验;OSWorld团队以100步自行运行这些条目
  • BenchLM的OSWorld-Verified追踪表——36个模型,各标注为厂商报告或由OSWorld-Verified运行
  • OSWorld 2.0 / 2.1(斯诺克尔AI、Steel)——在108个长流程工作流上的部分完成率与严格二元完成率;这是其自身的评分标准,不与OSWorld-Verified混用
  • macOS 27.3权限模型(MacRumors)——应用申请的权限等级:每次询问、辅助功能、完全磁盘访问权限、系统与应用保护覆盖

5谁来排名

领先的 AI:Claude, ChatGPT, Meta, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen。每个 AI 独立编制自己的十项榜单,并为每个名次注明来源。

6名次如何确定

不同 AI 以不同说法写出的同一项被视为一项。把某项列入榜单的 AI 越多、排得越靠前,它的名次就越高。“AI 共识”表示有多少个 AI 在自己的榜单中列入了该项。来源仅限 AI 自己找到的,没有任何人工添加。

04各个 AI 的单独榜单

🇺🇸 Claude10 个名次 · 4 条备注

同一个问题,仅由 Claude 回答。上方的最终榜单综合了所有 AI。

  1. 1
    Claude Fable 5(Anthropic 电脑操控,2026)

    在 OSWorld-Verified 上得分 85.0%,在 OSWorld 2.0 上部分完成得分 66.1%;设置只需开启屏幕录制和辅助功能,无需完全磁盘访问权限。

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

    它的 OSWorld 2.0 成绩由斯诺克尔AI独立复现(完整完成 31.43%),并且在图形界面测试中公布了目前最低的注入攻击率(0.54%)。

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

    独立运行的 OSWorld-Verified 榜单第一名(82.6%)来自一个仅有 3B 活跃参数的模型。

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

    在 OpenAI 的模型中,它在离线子集 OSWorld 2.0 的声称成绩上领先,部分完成得分 72.6%;但我没有找到 OpenAI 公布的对应 OSWorld-Verified 数据。

    来源 ↗
  5. 5
    Qwen3.8-Max(阿里巴巴)

    它列出的 OSWorld-Verified 数字最高(86.1%),但权重未经证实,成绩仅由厂商自报。

    来源 ↗
  6. 6
    西穆拉 Sai

    在 OSWorld 2.0 上每项任务成本 $15.70,完整完成得分 28.25%。

    来源 ↗
  7. 7
    Mac 版 Gemini 电脑操控(谷歌,2026)

    它在独立窗口中运行,但谷歌自己的文档提醒,跨应用可能存在提示注入风险。

    来源 ↗
  8. 8
    Claude Sonnet 5(Anthropic)

    中档模型在 OSWorld-Verified 上得分 81.2%,权限设置与旗舰模型相同,都是两项权限。

    来源 ↗
  9. 9
    Muse Spark 1.3(Meta)

    在 OSWorld 2.0 上完整完成得分 32.0%,是榜单上最高的,但部分完成得分较低,为 66.9%。

    来源 ↗
  10. 10
    OpenClaw(开源 Mac 智能体)

    它自己的文档列出了所需的 macOS 权限,这使它成为最透明的开源选项,但它没有自己的基准成绩。

    来源 ↗

Claude 注意到的内容

在 OSWorld 2.0 上,独立测得的最佳完整完成率(约 31%)远低于厂商公布的 66–78% 部分完成得分,所以选哪种指标,结论会完全不同。

OSWorld-Verified 榜单顶尖模型彼此相差约 1 分,说明这个基准已接近饱和。

macOS 27.3 把原来宽泛的权限拆成“系统与应用保护覆盖”和“辅助功能”,并允许用户要求每次都先询问批准。

据报道,苹果正在招人打造自己的可控制 Mac 的智能体,最早可能在 2027 年底推出。

🇺🇸 ChatGPT10 个名次 · 2 条备注

同一个问题,仅由 ChatGPT 回答。上方的最终榜单综合了所有 AI。

  1. 1
    Qwen3.8 Max(2026)

    86.1% 位居当前 OSWorld-Verified 模型表之首,但公布的数据行没有披露其智能体框架。

    来源 ↗
  2. 2
    Claude Fable 5(2026)

    85% 与榜首相差 1.1 分;基准表将该成绩归于 Anthropic。

    来源 ↗
  3. 3
    Claude Mythos 5(2026)

    85% 与第二名持平;公布的数据无法确定是哪种智能体设置得出的结果。

    来源 ↗
  4. 4
    Qwen3.8-27B(2026)

    84.3% 比领先的 Qwen3.8 Max 成绩低不到两分。

    来源 ↗
  5. 5
    Claude Opus 4.8(2026)

    较短基准上 83.4%,而在 OSWorld 2.0 上完全完成率只有 20.6%,形成鲜明对比。

    来源 ↗
  6. 6
    Gemini 3.6 Flash(2026)

    83% 是服务商自报的结果;表中提供的设置细节不足,无法做同类产品的直接比较。

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

    82.6% 是这十个表格条目中独立基准测试最强的成绩;它是一款专门的电脑操作模型。

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

    82% 让它留在前八,但该成绩由服务商自报,而非公开的终端用户智能体试用结果。

    来源 ↗
  9. 9
    Claude Sonnet 5(2026)

    81.2% 比下一名高出 0.4 分,但该数据行未列出其智能体框架。

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

    80.8% 位列前十的末位,比榜首低 5.3 分。

    来源 ↗

ChatGPT 注意到的内容

82.6% 的 Holo3-35B-A3B 一行标注为 OSWorld-Verified 运行;得分更高的多数行是服务商自报,因此顶部排名并非统一的独立对比。

macOS 27.3 新增按请求授权的选项,并把辅助功能与“系统与应用保护覆盖”分开;苹果称,此前已授予应用的权限仍然有效。

🇺🇸 Meta10 个名次 · 3 条备注

同一个问题,仅由 Meta 回答。上方的最终榜单综合了所有 AI。

  1. 1
    Claude Cowork(Anthropic,2026)

    Fable 5 在 OSWorld-Verified 上为 85.96%,Opus 5.5 在 OSWorld 2.1 上部分完成为 81.8%;默认使用云沙箱,而不是默认获得完整磁盘访问权限。

    来源 ↗
  2. 2
    OpenAI ChatGPT 智能体(GPT-5.6 Sol,2026)

    GPT-5.5 在 OSWorld-Verified 上为 78.7%,GPT-5.6 Sol 在 OSWorld 2.0 上部分完成为 62.6%;该智能体运行在 OpenAI 的沙箱中,默认看不到你的桌面。

    来源 ↗
  3. 3
    西穆拉 Sai(Agent S,2026)

    OSWorld 2.0 部分完成 73%,但完整完成只有 28.25%——是本榜单中部分完成与完整完成差距最大的。

    来源 ↗
  4. 4
    H Company Holo4 电脑操控智能体(2026)

    27B 版本在 OSWorld 上得分 85.2%,每项任务 $0.08——这里性价比最高,但 27B 版本仅供研究。

    来源 ↗
  5. 5
    Mac 版谷歌 Gemini 电脑操控(Gemini 3.6 Flash,2026)

    OSWorld-Verified 得分 83.0%,于 2026 年 11 月 19 日发布——与苹果自家 Mac 智能体被报道的同一天。

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

    在 OSWorld-Verified 上验证得分 80.67%,但它直接操控你的真实电脑——访问代价是整台电脑,而不是一个沙箱。

    来源 ↗
  7. 7
    微软 365 Copilot Researcher(带电脑操控功能,2026)

    这里最干净的访问模式——每次对话都有一个全新沙箱——但没有可复现的 OSWorld 成绩可供权衡。

    来源 ↗
  8. 8
    Manus 2.0(2026)

    每个任务都有一台完全隔离的云虚拟机,并声称零信任——沙箱很强,但没有公开的 OSWorld 成绩来证明工作成效。

    来源 ↗
  9. 9
    珀普莱西蒂 Comet Personal Computer(2026)

    要求在你的真实 Mac 上获得辅助功能、屏幕录制和完全磁盘访问权限——本地权限要求最高——没有 OSWorld 成绩,并且公开发生过两起安全事件。

    来源 ↗
  10. 10
    OpenClaw(原名 Moltbot / Clawdbot,2026)

    权限最大,却没有基准成绩:给终端完全磁盘访问权限,外加辅助功能和屏幕录制,但没有公开的 OSWorld 成绩来证明其必要性。

    来源 ↗

Meta 注意到的内容

面向 Mac 的 Gemini 电脑操作功能于 2026 年 11 月 19 日发布,同一天 TechCrunch 报道称,苹果正在打造自己的 Mac 操作型 AI 智能体,最早可能在 2027 年底推出。

macOS 27.3 把“设备控制与数据访问”拆分为“系统与应用保护覆盖”和“辅助功能”,增加按文件夹设置的完全磁盘访问权限、每次都询问的选项,以及一个应用控制另一个应用时菜单栏的提示标志。

已验证的 OSWorld 榜单顶部并非消费级模型:Intelligence-Indeed Agent 验证得分 90.19%,高于 Claude Fable 5 的 85.96%,说明在模型之上,框架和架构能增加多少能力。

🇺🇸 Grok10 个名次 · 1 条备注

同一个问题,仅由 Grok 回答。上方的最终榜单综合了所有 AI。

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

    首个在 OSWorld-Verified 上突破 90%(90.19%)的已验证智能体。

    来源 ↗
  2. 2
    Claude Fable 5 / Mythos 5 电脑操控(Anthropic,2026)

    在 OSWorld-Verified 上验证得分 85%,接近顶尖水平;同时 Anthropic 在长时程部分完成得分上也领先。

    来源 ↗
  3. 3
    Qwen3.8 Max 电脑操控配置(阿里巴巴,2026)

    以开放权重在 OSWorld-Verified 上得分 86.1%,在众多聚合榜单中名列前茅。

    来源 ↗
  4. 4
    西穆拉 Sai(2026)

    在 OSWorld 2.0/2.1 上报告的部分完成得分最高(约 73–79%),成本低于纯前沿模型。

    来源 ↗
  5. 5
    Claude Opus 5 / 5.5 电脑操控(Anthropic,2026)

    在长时程 OSWorld 2.0/2.1 上完整和部分完成得分均居首(完整完成最高 44%,部分完成 81.8%)。

    来源 ↗
  6. 6
    科斯蒂 CUA(电脑操控智能体,2026)

    官方验证条目 82.81%;强调真实的桌面操控。

    来源 ↗
  7. 7
    Pointer 智能体 + Opus 4.7(2026)

    代码加图形界面的混合方案,验证得分 83.64%。

    来源 ↗
  8. 8
    OpenAI ChatGPT 智能体 / Operator 系列(2025–2026)

    早期 OSWorld 得分 38.1%;之后的沙箱虚拟电脑减少了对本机完全控制权限的需求。

    来源 ↗
  9. 9
    微软 Mage-VL-Cowork 4B(2026)

    4B 规模下验证得分 66.0%——目前有报告的最佳紧凑型开源混合图形界面与 shell 智能体。

    来源 ↗
  10. 10
    Claude Code 电脑操控(Anthropic,2026)

    仅限会话范围的辅助功能与屏幕录制,并有按应用的批准提示。

    来源 ↗

Grok 注意到的内容

智能体如今在 OSWorld-Verified 上常常超过约 72% 的人类基准,但即便是领先者,OSWorld 2.0 长时程任务的完整完成率仍低于 50%。

🇺🇸 Gemini10 个名次 · 1 条备注

同一个问题,仅由 Gemini 回答。上方的最终榜单综合了所有 AI。

  1. 1
    Anthropic Claude 3.7 Sonnet 电脑操控(2025)

    在 OSWorld-Verified 上达到 44.2%,同时提供严格的基于 Docker 的 API 沙箱和逐步人工审批的钩子。

  2. 2
    字节跳动 UI-TARS-2(2025)

    以 53.1% 的 OSWorld-Verified 成绩超越闭源模型,可在消费级硬件上本地运行,无需授予 root 权限或远程云端遥测。

    来源 ↗
  3. 3
    Agent S2.5,搭配 o3(2025)

    借助推理令牌在验证的桌面任务上达到 56.4%,但需要侵入式的辅助功能权限,以及对原始文件系统的读写权限。

  4. 4
    OpenAI Operator(2025)

    在桌面浏览器辅助的操作系统任务上得分 46.8%,并把影响范围主要限制在浏览器自动化和隔离的虚拟机标签页内。

  5. 5
    科斯蒂自主智能体(2025)

    OSWorld 任务完成率达 42.1%,内置远程浏览器和桌面沙箱,把你的本地操作系统与任意点击隔离开。

  6. 6
    OS-Copilot / FRIDAY(2024)

    率先推出自学习桌面智能体,在 OSWorld 上得分 35.6%,但要求无条件的 Bash root shell 和完全磁盘访问权限。

  7. 7
    西穆拉 AI 智能体(2025)

    使用原生多模态图形界面坐标,在验证基准上达到 38.3%,并设有执行前需确认的严格提示阈值。

  8. 8
    OpenAdapt 桌面自动化(2024)

    通过记录屏幕状态和用户演示,在桌面工作流上达到 29.8%,并以开源本地日志的方式透明运行。

    来源 ↗
  9. 9
    Adept AI ACT-1 / Workday 智能体(2024)

    率先实现企业软件界面操作,验证任务完成率 31.2%,并被限制在浏览器 DOM 封装之内,而非原始操作系统级控制。

  10. 10
    苹果公司 Mac 智能体原型(2026)

    面向系统级的 Siri 和 App Intents 集成,在苹果原生的 macOS 27.3 安全防护下运行跨应用的 Mac 任务。

    来源 ↗

Gemini 注意到的内容

苹果即将推出的 macOS 27.3 更新中,每当第三方智能体同时请求屏幕捕捉和辅助功能覆盖权限,都会弹出严格的警告对话框,这直接挑战了自主桌面封装工具。

🇨🇳 MiMo10 个名次 · 4 条备注

同一个问题,仅由 MiMo 回答。上方的最终榜单综合了所有 AI。

  1. 1
    Claude Code(Anthropic,2026)

    这里唯一把命令放在笼子里运行的智能体——而这个笼子让权限提示减少了 84%。

    来源 ↗
  2. 2
    Mac 版 Gemini 电脑操控(谷歌,2026)

    进场很晚——但它是唯一在接触应用之前先展示过程的新来者。

    来源 ↗
  3. 3
    GPT-6.2 Astra 电脑操控(OpenAI,2026)

    成本只有三分之一,却是最强的新一代电脑操作“大脑”——而且它自带的安全说明列出了职场中可能出现的意外。

    来源 ↗
  4. 4
    Claude Cowork 电脑操控(Anthropic)

    顶级分数——但它自己的文档里有一条坦诚的脚注:智能体与你的屏幕之间没有沙箱。

    来源 ↗
  5. 5
    Qwen3.8 Max(阿里巴巴,2026)

    在桌面榜单上以 86.1% 居首——标注为开源,而所测试的视觉模型并非开源。

    来源 ↗
  6. 6
    Claude Opus 5 电脑操控(Anthropic)

    同一模型、同一天:长任务完成率是 18.8% 还是 44.3%,取决于你要求它多努力。

    来源 ↗
  7. 7
    西穆拉 Sai(西穆拉 AI,2026)

    按任务收费:每个完成的任务 $15.70——唯一为结果明码标价的智能体。

    来源 ↗
  8. 8
    MiMo-V2.6(小米,2026)

    开放权重,得分 82%——接近商业领先者,却没有被绑定。

    来源 ↗
  9. 9
    苹果公司 Mac 智能体(开发中,2027)

    把关人自己的智能体:它会帮忙编写权限规则,然后遵守这些规则。

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

    榜单上的神秘冠军:90.19%,高于人类基准——几乎没人能说出它是什么。

    来源 ↗

MiMo 注意到的内容

在 369 项任务的桌面测试中,智能体已经超过人类(人类基准 72.36%,最高分 90.19%)——但按 OSWorld 2.0 的完整完成计,最好的机器完成的长时真实任务还不到一半。

努力程度设置比模型选择影响更大:Opus 5 在同一基准上,仅把努力程度从低调到最高,完整完成率就从 18.81% 升至 44.33%。

访问安全做得最好的智能体运行在沙箱里,权限提示减少了 84%;成绩最好的那个则直言,它根本没有沙箱。

苹果新的 macOS 版本把 AI 智能体当作需要防范的风险,拆分磁盘权限;而苹果自己正在打造一个 2027 年推出的智能体。

🇨🇳 Kimi10 个名次 · 4 条备注

同一个问题,仅由 Kimi 回答。上方的最终榜单综合了所有 AI。

  1. 1
    Claude 电脑操控(Claude Opus 5.5,Anthropic)

    长时程桌面操作的最佳记录——OSWorld 2.0 上完整完成 48.7%——且运行在你提供的虚拟机中,因此从不触碰你 Mac 的权限层级。

    来源 ↗
  2. 2
    Qwen3.8 Max(阿里巴巴)

    OSWorld-Verified 得分 86.1%——而且权重可以下载(27B 检查点达到 84.3%),所以这一最高桌面成绩无需访问你电脑的任何权限。

    来源 ↗
  3. 3
    Gemini 电脑操控(谷歌,Gemini 3.x)

    OSWorld-Verified 得分 78.4%,标注为“完全:由你运行环境”——该智能体没有附带 Mac 权限页面,因为沙箱是你自己的。

    来源 ↗
  4. 4
    ChatGPT 电脑操控(OpenAI,GPT-5.4)

    你自己 Mac 上功能最强的原生智能体(OSWorld-Verified 75%),同时也是要求最多的:屏幕录制、辅助功能、按应用的批准——外加一个可选开启的“锁定使用”模式,可临时解锁 Mac。

    来源 ↗
  5. 5
    Kimi K2.6(月之暗面)

    开放权重模型在 OSWorld-Verified 上得分 73.1%——足以有分量,并且可以免费在一次性虚拟机中运行。

    来源 ↗
  6. 6
    Claude Cowork / Claude 桌面版电脑操控(Anthropic)

    同一套技术的消费级包装:它逐个应用询问,建议避开银行或健康类应用,并且只在桌面应用打开时才会接触你的电脑。

    来源 ↗
  7. 7
    Agent S3(西穆拉 AI)

    OSWorld 上得分 69.9%——与人类基准相差 2.5 分——来自一个开源框架,其 Behavior Best-of-N 靠额外的推演换取分数,而不是额外的权限。

    来源 ↗
  8. 8
    UI-TARS-2(字节跳动)

    OSWorld 上得分 47.5%,还有一个隐私亮点:7B 版本可在单块消费级 GPU 上运行,你的屏幕无需离开这台机器。

    来源 ↗
  9. 9
    OpenCUA-72B(香港大学与月之暗面)

    OSWorld-Verified 上得分 45.0%,是开源的最佳水平——并且由于代码、数据和模型全部公开,可审计性本身就是它的访问优势。

    来源 ↗
  10. 10
    Intelligence-Indeed Agent

    OSWorld-Verified 官方榜单顶部的 90.19%——这一数字,除其自身提交者之外几乎没人能复现。

    来源 ↗

Kimi 注意到的内容

两个 OSWorld 数字描述的是不同的产品:同一个 Claude Opus 4.8 在 OSWorld-Verified 上得分 83.5%,但在 OSWorld 2.0 的 108 个长时程工作流上完整完成率只有 20.6%——短任务演示几乎已被攻克,而相当于一个工作日长度的任务则没有。

macOS 27.3 把旧的“设备控制与数据访问”开关拆分为“系统与应用保护覆盖”和辅助功能,增加了“先询问”一档、按应用的范围限定、明确的“读取、修改、删除和导出你的全部数据”警告,以及菜单栏提示标志——但 27.3 之前已授予的所有权限仍然有效。

桌面操控的最新水平现在可以下载:阿里巴巴开源了一个 Max 级别的检查点(27B 版本在 OSWorld-Verified 上得分 84.3%),首次让完全沙箱化、可自行部署的顶级智能体成为可能。

OSWorld-Verified 正趋于饱和——顶尖模型聚集在约 1.1 分之内,高于 72.36% 的人类基准,这正是 OSWorld 2.0 出现的原因,也是智能体应当以访问范围而非最后一分来评判的原因。

🇨🇳 DeepSeek10 个名次 · 4 条备注

同一个问题,仅由 DeepSeek 回答。上方的最终榜单综合了所有 AI。

  1. 1
    OpenAI Operator(2026)

    在云端浏览器沙箱中,OSWorld 得分 38.1%——几乎不需要本地磁盘或辅助功能权限。

    来源 ↗
  2. 2
    Manus(Meta)桌面智能体(2026)

    运行在带 root 权限的云虚拟机中,因此其 OSWorld 72.5% 的成绩无需交出你 Mac 的磁盘。

  3. 3
    Claude 电脑操控(Claude Fable 5 / Opus 5 运行框架,2026)

    仅凭辅助功能和屏幕录制,在 OSWorld-Verified 上达到 85%——不需要完全磁盘访问权限——并在 macOS 27.3 中有按应用的覆盖权限层级。

    来源 ↗
  4. 4
    科斯蒂 CUA v1(电脑操控智能体,2026)

    仅请求屏幕录制和辅助功能,就在 OSWorld-Verified 上验证得分 82.81%——不需要完全磁盘访问权限。

    来源 ↗
  5. 5
    Qwen3.8 Max 智能体(阿里巴巴,2026)

    OSWorld-Verified 上得分 86.1%——列出的最高分——但该智能体对本地权限的占用并未公开说明。

    来源 ↗
  6. 6
    Agent S3(西穆拉,2026)

    OSWorld 上得分 72.6%——高于人类基准——来自一个开源框架,它运行时只需辅助功能和屏幕录制。

    来源 ↗
  7. 7
    UiPath 屏幕智能体(Claude Opus 4.5,2026)

    2026 年 1 月,OSWorld-Verified 得分 67.1%——可以,但它需要对桌面进行完整的界面自动化控制。

  8. 8
    Gemini 3.6 Flash 智能体(谷歌,2026)

    OSWorld-Verified 上得分 83%,但该智能体框架的访问权限说明未公开记录。

    来源 ↗
  9. 9
    Kimi K3 智能体(月之暗面,2026)

    截至 2026 年 11 月 8 日,OSWorld-Verified 上得分 84.8%——任务成功率很高,但本地权限要求不清楚。

  10. 10
    UI-TARS-2(字节跳动,2026)

    OSWorld 上得分 47.5%,WindowsAgentArena 上得分 50.6%——原生图形界面控制,但需要屏幕和输入权限。

DeepSeek 注意到的内容

访问权限与成果之间的落差极大:与 Claude Fable 5 相比(38.1% 对 85%),Operator 在 OSWorld 成功率上少了 47 个百分点,但它从不触碰你的本地磁盘;而 Claude 只需辅助功能和屏幕录制——无需完全磁盘访问权限——就能达到 85%。

OSWorld 2.0 让所有人都降了分:最佳完整完成率是 44.33%(Claude Opus 5,最高努力,批量工具),即便同一系列在 OSWorld-Verified 上得分 85%。更长的时程是另一种比赛。

macOS 27.3 让访问权限问题变得明确:完全磁盘访问权限被拆分并限定范围,“系统与应用保护覆盖”获得独立的权限层级和菜单栏提示——因此,一个只要“仅”辅助功能的智能体,如今明显不同于一个要求覆盖控制的智能体。

Coasty 的 82.81% 验证成绩高于大多数商业智能体,接近顶尖模型的成绩,但它没有公布 OSWorld 2.0 的数据行——这也显示长时程基准的采用程度极不均衡。

🇨🇳 Wenxin10 个名次 · 1 条备注

同一个问题,仅由 Wenxin 回答。上方的最终榜单综合了所有 AI。

  1. 1
    苹果公司内部 macOS AI 智能体(2027 年初构建版)

    设计上零第三方数据外泄,原生沙箱化运行,除苹果自身的权限模型外不需要任何外部权限。

    来源 ↗
  2. 2
    OpenAI Agents API(2026 测试版)

    开发者总体采用率 74%,完整支持沙箱,可选择 OpenAI 托管或自部署的运行时。

  3. 3
    珀普莱西蒂 Computer(2026)

    支持 100 多个并行子智能体编排,拥有真实文件系统和浏览器的隔离计算环境,无需桌面完全 root 权限。

  4. 4
    Sai AI 智能体(2026)

    同一图形界面自动化流程运行 3 次后,成本平均下降 40%;免费版提供每日有限的云端 Windows/Linux 沙箱额度。

  5. 5
    Anthropic Claude 电脑操控智能体(2026)

    开发者总体使用率 75%,与 OpenAI 并列;49% 的开发者计划明年继续使用,是业内最高的未来使用意愿。

  6. 6
    Meta Muse 智能体(2026)

    开源、原生跨平台桌面支持,本地任务执行无需强制共享云端数据。

    来源 ↗
  7. 7
    OpenAI Codex 智能体(2026)

    8% 的开发者称它为最喜爱的工具,17.6% 计划下次继续使用,是全球第三高的未来采用意愿。

  8. 8
    OpenCode(2026)

    顶级开源编程桌面智能体,开发者最喜爱份额 7%,开源开发者社区的下次使用意愿为 11.7%。

  9. 9
    珀普莱西蒂 Personal Computer Mac 应用(2026)

    把智能体编排直接扩展到本地 Mac 硬件,针对 Mac mini 部署优化,可 24/7 运行。

  10. 10
    OpenAI Agents SDK(2026 测试版)

    在用户自己的应用内完全自定义循环控制,不被强制绑定 OpenAI 托管的运行时。

Wenxin 注意到的内容

苹果即将推出的首款自有 Mac AI 智能体,将在 macOS 27.3 的新权限框架下原生运行,无需像所有第三方智能体目前那样,长期申请完全磁盘访问、屏幕录制或辅助功能权限。

🇨🇳 Qwen10 个名次 · 3 条备注

同一个问题,仅由 Qwen 回答。上方的最终榜单综合了所有 AI。

  1. 1
    Qwen3.8 Max

    在 OSWorld-Verified 上得分 86.1%,是迄今验证过的最高桌面分数,同时允许精细的工具权限控制。

    来源 ↗
  2. 2
    Claude Opus 5.5

    唯一在艰苦的 OSWorld 2.0 108 项长时程测试中超过 81% 的智能体。

    来源 ↗
  3. 3
    Claude Fable 5

    在真实桌面任务上达到 85.0%,但依赖完整的屏幕录制和辅助功能覆盖权限。

    来源 ↗
  4. 4
    科斯蒂

    以 85.6% 的验证成绩位居第二,专门为降低算力和访问占用而优化。

    来源 ↗
  5. 5
    Kimi K3

    在 OSWorld-Verified 上得分 84.8%,同时提供浏览器沙箱模式,可绕过完全磁盘访问权限。

    来源 ↗
  6. 6
    Claude Fable 5.1

    在 OSWorld 2.0 上得分 77.9%,证明在授予完整 Mac 控制权时,它能支撑数小时的工作流。

    来源 ↗
  7. 7
    Qwen3.8-27B

    开放权重版本在本地达到 84.3%,但需要用户明确批准辅助功能和完全磁盘访问权限。

    来源 ↗
  8. 8
    Sai(西穆拉)

    在 OSWorld 2.0 上达到 73%,在长时程专业任务与严格的本地沙箱之间取得平衡。

    来源 ↗
  9. 9
    GPT-6 Astra

    在 OSWorld 2.0 上达到 72.6%,但其云端优先的架构意味着你的本地机器只授予屏幕共享权限。

    来源 ↗
  10. 10
    GPT-6.1 Sol

    在 OSWorld 2.0 上得分 71.4%,需要 macOS 27.3 的完整覆盖权限层级,才能应对复杂的桌面状态。

    来源 ↗

Qwen 注意到的内容

苹果的 macOS 27.3 现在强制 AI 智能体每次访问敏感文件夹时都先申请许可,打破了旧的“设置一次,一劳永逸”的完全磁盘访问模式。

智能体如今在 OSWorld-Verified 上超过了 72.36% 的人类基准,这意味着在日常的桌面点击上,AI 正式比普通人更快、更准。

OSWorld 2.0 的长时程任务平均超过 250 个智能体步骤,这说明即便是 GPT-6 Astra 这样的顶尖模型,也很难在长达一小时的工作中保持上下文。