实在Agent

• 1. 概要 (321 chars)

  2026 年 7 月 27 日，全球权威计算机智能体基准 OSWorld 的榜首易主，来自浙江杭州的实在智能以「实在Agent」拿下 90.20% 的执行成功率，在总榜与智能体框架分榜同时排名第一。这是该基准发布以来第一个突破 90% 的方案，此前公开最高分是 83.6%，而人类操作者在同等条件下的平均成功率约为 72.36%。更值得注意的是它走的路线：不是堆一个更强的原生大模型，而是「通用模型 + 自研 Harness 工程框架」的双层架构。这个成绩背后，是一家成立八年、服务 6000 多家企业客户的 RPA 老兵。但把榜单分数直接换算成生产力，中间还隔着一条不窄的沟——OSWorld 旧版本身已接近饱和，官方推出的 2.0 版本上，同一套方案的分数会从 83.5% 掉到 20.6%。

• 2. 产品背景 (699 chars)

  实在智能全称浙江实在智能科技有限公司，2018 年成立于杭州余杭，创始人兼 CEO 孙林君此前是阿里巴巴的 P9 资深算法专家。公司从 RPA（机器人流程自动化）起家，赶上了 2019 年前后国内 RPA 的融资热潮，一路拿了六七轮钱：2018 年君联资本的天使轮数千万，2020 年松禾资本、赛智伯乐领投的 Pre-A 近亿元，同年光云科技领投的 A/A+ 轮 1 亿元，2021 年英特尔资本的战略投资，2023 年底金泰富资本与安吉智慧谷领投的 C 轮近 2 亿元。累计融资约 4.7 亿元人民币。公司目前 300 到 500 人规模，官网口径称研发占比超过 53%。   这家公司在国内 RPA 圈子里的定位比较特别。它不像来也科技那样偏对话式 AI，也不像影刀那样主打轻量易用，而是很早就压注「视觉理解 + 自动化执行」这条路。2021 年前后推出的 ISSUT 智能屏幕语义理解技术，核心是不依赖 API 和界面元素 ID，直接靠视觉识别屏幕上的文本、按钮、表格。后来又自研了 TARS（塔斯）大模型，百亿参数量级，负责意图理解和任务拆解，还有多模态版本 TARS-VL。这套「TARS + ISSUT + 智能流程执行引擎」的组合，本质上就是今天大家说的 Computer-Use Agent，只不过实在智能在这个概念火起来之前已经做了好几年。   资质方面堆得很满：国家专利奖、国家级专精特新「小巨人」、CMMI-5、信息安全等级保护三级、连续多年入选中国和浙江的未来独角兽榜单，100 多项发明专利。这些在 To B 政企市场是硬通货。不过要提醒一句，官网首页现在写的「信通院 5 级满分认定」，与 2022 至 2023 年官方稿件里的「3+ 级最高认证」表述不一致，中间的升级过程没有单独通稿，引用时最好核实。

• 3. 产品功能与使用体验 (1183 chars)

  实在Agent 不是一个单品，而是一个平台，底下挂着一整条产品线。往上看是实在Agent 企业级通用智能体平台，往下是实在RPA 设计器、信创 IPA 设计器、RPA 机器人执行终端、RPA 控制器（B/S 架构的任务调度中枢），旁边还有 IDP 智能文档审阅和实在取数宝两个垂直产品。官网把智能体市场也做起来了，宣称有 5000 多个行业沉淀的智能体应用可以开箱即用，实际点进去看是按客服、跨境、运营、销售、电商、人事、财务分类的场景模板，条目像「Temu 财务报告库」「BOSS 直聘智能筛选」「增值税发票识别」这种，点「获取」会跳到留资页面，不是直接下载。   核心卖点是「无需 API 接口，像真人一样操作」。支持 Windows、信创系统（统信、麒麟）、Android，能操作 ERP、CRM、浏览器、微信、钉钉这些日常软件。对于国内大量遗留系统没有开放接口的现实，这个能力确实是刚需。工作流搭建走的是拖拽路线，配合组件库和 MCP 工具，零代码人群也能上手。官网首页展示的场景包括网络舆情分析、亚马逊竞品分析、小红书文案仿写、抖音意向客户获取、生意参谋周报生成、1688 选品，明显是电商运营和跨境卖家的高频需求。   真正让它拿下 OSWorld 榜首的，是被称为「Harness 工程」的那一层。这个词现在在 Agent 圈越来越热，简单说就是包在模型外面的工程框架：复杂任务怎么拆解调度、执行错了怎么自我纠错、多个智能体之间怎么协同、长链路任务的状态和记忆怎么管、什么时候切换模型、工具链怎么闭环。执行层面实在Agent 采用「API 优先、GUI 兜底」的混合调度——能走接口就走接口，走不通才降级到视觉操作，这比纯视觉方案在效率和稳定性上都有优势。   Harness 这套东西的价值有数据支撑。斯坦福和清华的研究显示，在完全相同的底层模型前提下，仅仅改进 Harness 工程设计，OSWorld 这类基准上的分数差距可以达到 6 到 17 个百分点。也有工程案例表明，同模型同提示词，只优化任务拆解、状态管理、步骤验证、失败恢复这几个环节，任务成功率能从 70% 以下拉到 95% 以上。这就是为什么 OSWorld TOP10 里有 6 席选择了框架路线，而不是纯原生模型。   具体到 OSWorld 的 361 道实战题，实在Agent 拿了 325.59 分。分类别看，跨应用协同、GIMP 图像处理、系统底层操作这些硬骨头场景表现突出，日常高频的 Calc、Impress、Writer、VSCode 也保持了高完成度。官方的说法是，在不专门训练模型的前提下，仅靠架构与工程创新就能达到世界级水平。   安全机制也做了一层。高风险和敏感数据操作会触发「安全断路器」自动提权确认，支持操作撤销与回滚，运行在沙盒隔离环境里，全链路日志可审计。公司说目标是把可靠性推向工业级的 99.99%——注意这是目标不是现状，从 90.2% 到 99.99% 之间的距离，比从 12% 到 90% 更难走。

• 4. 定价与商业模式 (545 chars)

  这是最不透明的一块。官网没有任何公开价目表，所有入口都指向「免费获取」「免费试用」「下载体验」的留资表单，典型的 To B 销售线索打法。   能确定的免费部分是社区版：实在RPA 设计器社区版面向个人开发者、开源项目、学术教育和小型团队免费，但明确限定非商业用途，OCR 和验证码这类高级组件有免费额度上限，也不提供官方技术支持。想真正商用，必须走商务谈判。   至于企业版价格，官方内容营销文章里散落着几个口径，彼此还对不上。有一篇写买断制单机器人从几万到数十万元永久授权，订阅制 1.5 万到 15 万元一年，实施开发简单场景 1 到 3 万、复杂场景数十万，运维费按初投的 15% 到 20% 计；换算到场景维度，单场景数万元一年，跨部门多流程 15 到 30 万一年，全链路改造 50 到 100 万一次性。另一篇说许可证按机器人数量收费，基础版 1 万到 3 万元一年。更早的文章又写单个数字员工授权加综合部署成本约 3 到 5 万一年。三处口径打架，只能当作数量级参考，真实报价一定是一客一议。   交付形态支持 SaaS、私有化部署和软硬一体机，还跟华为搞过「Agent + DeepSeek 昇腾一体机」，跟惠普做过 Z 系列数字员工一体机。生态上宣称超千家生态伙伴、400 多家渠道伙伴。这套打法很清楚：政企和大型企业客户为主，靠渠道和项目制落地，客单价不低但交付重。

• 5. 用户评价 (686 chars)

  正面反馈集中在效率提升的量化收益上，官网列了一长串案例。周黑鸭用实在Agent 做 50 个平台、近 90 个系统的数据核对，从人工每月 600 小时降到每天自动运行 14 小时，一年省下近 188 万元、约 8 个财务人力。太平鸟每天自动获取 30 家店铺超 1000 种数据，人工每周只需 1 小时，效率提升 300%、成本降低 80%、准确率稳定在 100%。妙洁一年运行 5700 多小时，年省近 62 万人力成本。青岛啤酒整合多系统数据后库存成本降了 87%。江中药业覆盖 50 余个日常业务场景，数据获取效率提升 6 倍。   用户原话里也有几条比较真实的表达。有跨境卖家说「抖音店铺后台页面更新非常频繁，数据源经常发生变化，但实在Agent 都能及时维护更新流程」，这句其实点出了 Computer-Use 类产品的核心痛点和厂商维护投入。有客户说「实在Agent 对我们来说是性价比最高的一项投资，业务人员没有减少，但能做的工作更多了」——这个表述比「替代多少人力」诚实得多。   负面反馈在第三方点评平台上能看到。36 氪企业软件点评站上实在智能的用户评分约 4.0 分，吐槽集中在几点：稳定性偶有波动、客户端性能占用偏高、跨系统兼容性有短板、遇到真正复杂的判断类问题处理能力不足。CSDN 上的评测文章提到产品体系偏复杂、行业模板往往需要二次开发才能用，这基本是国产 RPA 的通病。   需要说明的是，所有量化收益数据都来自厂商自述和客户配合的案例通稿，没有第三方审计。客户数量的口径也一直在变：2022 年说 1500 到 2500 家，2024 年底 4000 家，官网「关于我们」写 5000 家，2026 年 7 月的新闻稿变成 6000 家。增长曲线合理，但精确性存疑。

• 6. 行业评价 (740 chars)

  这次登顶在国内媒体上传播很广，36 氪、品玩、浙商杂志、中华时报都做了报道。主流叙事有两个：一个是「工程化范式转移」，即 Agent = Model + Harness，模型是大脑但光有大脑不够，工程调度能力正在成为决定落地效果的核心变量；另一个是「浙产之光」的地方产业叙事。清华大学智能产业研究院院长张亚勤在今年 1 月的 AGI-Next 峰会上判断，以对话为核心的 Chat 范式已经结束，AI 竞争转向能办事的智能体时代——这个观点被广泛引用来给实在Agent 的成绩背书。   不过要客观说，机器之心、量子位、雷峰网、InfoQ 这些技术媒体的独立深度报道没有找到，多篇报道措辞高度雷同，通稿属性明显。真正有分量的第三方技术分析目前缺位。   竞品格局上，OSWorld 榜单是个不错的观察窗口。此前的关键节点包括 Simular Agent S2 以 72.6% 首次超过人类基准，Pointer 做到 83.6%，Anthropic 的 Claude Sonnet 5 报 81.2%，谷歌 Gemini 3.6 Flash 约 83%。Meta、MiniMax、UiPath、联想都在榜上。字节的 UI-TARS 走的是原生端到端模型路线，UI-TARS-2 曾报 47.5 分。实在Agent 与它们最大的区别就是框架路线——不训专用模型，靠工程层把通用模型的能力压榨出来。这条路的好处是模型迭代红利可以直接吃到，坏处是护城河更依赖工程 Know-how 而非模型资产。   国内 RPA 赛道的竞争则要激烈得多。影刀、来也科技、弘玑 Cyclone、艺赛旗、金智维、UiPath 中国区都在抢同一批政企客户。值得注意的是，在某些第三方的 2026 中国 RPA 厂商 TOP10 榜单里，实在智能只排到第 4，落后于艺赛旗和来也。OSWorld 的技术领先和市场份额领先，显然不是一回事。

• 7. 争议与风险 (1012 chars)

  第一层争议来自基准本身。OSWorld 由香港大学 XLANG Lab 联合 CMU、滑铁卢大学提出，2024 年发表于 NeurIPS。2025 年官方推出 OSWorld-Verified 时，主动承认原版存在 300 多个问题，包括网页内容变动、CAPTCHA 干扰、指令歧义、评测脚本脆弱等，并明确指出「当前领先模型的成功主要源于大量人类轨迹数据」——这句话本身就暗示了过拟合风险。   更尖锐的质疑来自 UC Berkeley 的 Dawn Song 团队。他们构建了一个自动 exploit agent，在包括 OSWorld 在内的 8 大 Agent 基准上，不真正解题就能拿到 73% 到 100% 的高分，揭示评分器可被操纵的结构性漏洞。这项工作登上过 Hacker News 热榜第一。这不是说实在智能刷分，而是说明这类基准的分数需要配合完整的 harness 披露才有意义，「不披露 harness 的分数近乎无意义」已经成为部分研究者的共识。   第二层是与真实环境的差距。XLANG 已经发布 OSWORLD 2.0，任务改成更长程、更复杂的真实工作流，结果同一模型在旧版能拿 83.5%，新版只有 20.6%。这个断崖式落差说明旧榜确实趋近饱和，90% 与生产环境可用之间还有相当距离。实在智能自己也承认，企业真实办公环境充满软件版本更新、随机广告弹窗、系统通知抖动、网络延迟这些非标准干扰，而在财务、HR、供应链这些场景里，9.8% 的失败率可能意味着发错邮件或填错付款金额这样的重大风险。   第三层是 Computer-Use 类智能体的通用安全风险。这类 Agent 直接接管屏幕和键鼠，天然面临 prompt injection（网页里藏一段隐藏指令就可能诱导 Agent 泄露文件）、凭证窃取、越权操作等威胁。IBM 的报告称，97% 出现 AI 相关数据泄露的组织缺乏对 AI 系统的访问控制。实在Agent 有安全断路器和审计日志，但这套机制在真实攻防下的强度，还没有公开的第三方测试结果。   第四层是行业层面的商业化困境，这可能是最实际的问题。国产 RPA 厂商的客户年流失率均值约 30%，而美国同行的中位数是 7%。行业普遍陷入价格战和重定制的项目制泥潭，人均年产出只有 20 到 30 万元，「整个行业不赚钱」是从业者的普遍感受。实在智能的公开经营数据不详，启信宝上能看到集团层面有若干关联风险记录，但具体的裁员、诉讼、业绩负面报道没有找到公开信息。C 轮融资停在 2023 年底，之后两年多没有新一轮公开消息，也没有 IPO 辅导信息。

• 8. 适用人群与使用建议 (568 chars)

  最匹配的是有大量跨系统重复操作、且这些系统没有开放 API 的中大型企业，典型场景是财务对账、多平台电商数据采集、供应链单据处理、HR 简历初筛。如果你的痛点正好是「几十个后台每天要人工登录导数据」，实在取数宝这类产品的 ROI 会非常直观，前面提到的周黑鸭、太平鸟案例都是这个模式。   信创环境是另一个明确优势区。支持统信、麒麟，有等保三级和一堆国家级资质，对央国企和政府客户来说这是准入门槛而不是加分项。   不太适合的情况也很清楚。个人开发者和小团队：社区版限定非商业用途，商用要走销售流程，起步成本不低；轻量自动化需求，用 Python 脚本、Playwright 或者影刀这类更轻的工具可能更划算。高风险不可逆操作场景要谨慎：涉及资金划转、对外发送、生产系统写入的流程，务必开启人工确认环节，不要指望 90% 的成功率能直接放开跑。还有就是期待「买来即用」的企业要有心理准备，行业模板通常需要二次开发，交付周期和实施成本要提前算进预算。   替代方案上，国内可以对比影刀 RPA（更轻更便宜）、来也科技（对话式 AI 更强）、艺赛旗和金智维（金融行业积累深）；国际方案 UiPath 生态最成熟但价格和信创合规是问题；如果只需要浏览器内自动化，Anthropic 的 Claude Computer Use、OpenAI 的 Operator 或开源的 browser-use 都值得评估。

• 9. 总结 (365 chars)

  实在Agent 拿下 OSWorld 90.20% 是一个实打实的工程成就，它证明了在不训练专用模型的前提下，靠八年积累的自动化 Know-how 和 Harness 工程体系，中国团队能在全球智能体基准上做到断层领先。这个成绩对整个行业的启示大于对单个公司的营销价值——它把「Agent = Model + Harness」这个判断从假设变成了可验证的事实。   但榜单只是驾照考试，不是马路实战。OSWorld 旧版趋近饱和、2.0 版本分数断崖、基准评分器本身被证明可被操纵，这些都提醒我们不要把 90.2% 直接读成「可以放心用了」。真正的考验在于：能不能把这套能力以可接受的成本、可控的风险、可复制的交付方式，塞进几千家企业乱七八糟的真实办公环境里，并且让客户第二年还愿意续费。对一家困在 RPA 行业 30% 流失率和重项目制泥潭里的公司来说，这道题比刷榜难得多。

No in-depth report yet

• 

  SButler_88

  —

  The 90.2% on OSWorld is impressive, but let's be real: the old benchmark was already near saturation, and the same setup drops straight to 20.6% on version 2.0. The leaderboard and real production environments are still worlds apart.

---

• 

  悠然454

  —

  OSWorld 2.0 stretches tasks from two minutes to an average of 1.6 hours and over 250 steps, and even the strongest models only finish about 20%. That shows long-horizon tasks are the real wall. Indeed Agent topped 1.0 hard, but whether it can survive that 'whole afternoon' kind of work in 2.0 is still to be seen. Don't fixate on the 90.2% when you buy.

---

• 

  KCook_Plus3

  —

  That UC Berkeley Dawn Song team's exploit-agent study was eye-opening: without actually solving anything, by just gaming the scorer you can hit 70% to full marks on benchmarks like OSWorld, and it even hit number one on the Hacker News front page. It shows that staring at the top score alone is meaningless. You have to look at how complete the harness disclosure is, otherwise it's just self-congratulation, and Indeed can't brush it off with a single sentence.

---

• 

  AngelaWard_66

  —

  Did a cross-system sync test last week. The old crawler-plus-human approach took 15 minutes per sync with an error rate around 8.4%; with Indeed Agent it's just over a minute with an error rate under 0.1%. And when the UI changes it remaps itself, so maintenance cost is nearly zero. The ROI really adds up.

---

• 

  ticklishswan803

  —

  We run cross-border e-commerce, and the Douyin store backend updates very frequently with data sources constantly shifting. Our old crawler would break on every change and need someone to babysit the fixes. But Indeed Agent keeps the process maintained in time every time, remapping itself when the UI changes. It's far less stressful than raw scripts, and that helps our daily ops the most. Finally I don't get paged at midnight to fix a selector.

---

• 

  AlanSanchez

  —

  So good. It generates a workflow from a single sentence.

---

• 

  ChainChaserKristensen

  —

  Used it for over half a year. My sense is it fits the pain point of dozens of backends where people log in manually every day to pull data. Our supply-chain document processing got visibly faster. But complex semantic understanding for customer service is still average, and truly replacing human decision-making is still far off. Right now positioning it as a digital-employee assistant is more accurate.

---

• 

  Richard_ChavezSr

  —

  Agent OS v5.2's PDA-M-R closed-loop architecture (perceive, decide, execute, memorize, reflect) sounds fancy, but in practice the autonomous retry and state management are genuinely more stable than old RPA. On network lag it waits and retries on its own, and on exceptions it can take an alternative path instead of stopping dead like legacy RPA scripts. That matters a lot for long flows.

---

• 

  赵涛

  —

  Hit a snag in a Xinchuang environment: on Kylin OS the font rendering engine differs from Windows, so the Agent's button coordinates drifted, because it relied on absolute coordinates instead of visual recognition. We switched to its visual recognition with image feature-point matching and it stabilized, and by the way containerized the NPU inference framework. Pure coordinate positioning really isn't reliable on Xinchuang; vision is the right path.

---

• 

  BruceBerg

  —

  We integrated a private deployment of DeepSeek, which feels safer on data security, and token cost is much lower than public-cloud APIs. Combined with its native RPA execution layer, it connects thinking and doing. But the implementation cycle isn't short: a cross-department complex flow took half a year from POC to launch, the industry templates were basically all custom-developed, so budget that in advance.

---

• 

  Mo_nique613

  —

  Our finance team uses it to reconcile orders across dozens of platforms. It used to take 600 hours a month; now it runs automatically every day and people barely need to touch it.

---

• 

  BrianRogersK0

  —

  What won me over about Indeed Agent is no API integration needed. Our old ERP has no interface at all, yet with pure visual recognition it still pulls the data out and fills it back. Hugely friendly to legacy systems.

---

• 

  Linda_CampbellII

  —

  Hoped it would directly replace headcount, but in the end we still keep a person for review.

---

• 

  陈月

  —

  What's the rough price of the Indeed Agent enterprise edition? The website is all lead-capture forms, not even a price list in sight. Anyone who's been through it care to share the real quote?

---

• 

  Sandra.Hart

  —

  Pricing is really opaque. The figures I've seen range from tens of thousands to hundreds of thousands per robot, and subscriptions from 15k to 150k a year. Three sources don't line up, so treat them only as order-of-magnitude references. In the end it's definitely negotiated per customer.

---

• 

  NWood_Max

  —

  Client-side resource usage is on the high side; when running big flows the machine's fans spin like crazy.

---

• 

  pARKER76

  —

  Stability occasionally wavers. For more complex judgment-type tasks you still need a human as fallback; don't expect it to run fully autonomously to the end.

---

• 

  RBennettIII

  —

  The safety circuit-breaker design is nice. It auto-escalates for confirmation on sensitive data, and you must keep it on before letting the Agent touch finance.

---

• 

  purplewolf123

  —

  Don't let it run free on irreversible operations like fund transfers. A 9.8% failure rate in a payment scenario means the risk of sending money to the wrong place, so the human's final gate must stay.

---

• 

  NodeRunnerHartman

  —

  Suggest starting with the community edition to warm up; it's free for non-commercial use. Don't jump straight into the sales process. Their quotes are negotiated per customer and the water runs deep.

---

• 

  廖晨勇

  —

  Most industry templates need secondary development before they're usable. That CSDN review put it plainly, and it's basically a common ailment of domestic RPA. Plug-and-play out of the box is basically unrealistic.

---

• 

  Christina_RossK

  —

  On the 36kr enterprise-software review site the score is around 4.0, with complaints focused on stability, compatibility, and complex judgment. That matches our actual experience. Flawed but still good, but don't mythologize it.

---

• 

  Joyce_GomezQ

  —

  A pride of Zhejiang-made products, genuinely awesome haha.

---

• 

  ABrown_2021

  —

  The free community edition is so good, just can't be used commercially.

---

• 

  Alan_JonesQ

  —

  The Zhou Hei Ya case is pretty convincing: reconciling across 50 platforms and nearly 90 systems, saving almost 2 million a year and about eight finance FTEs. The numbers come from vendor copy without third-party audit, but the model is indeed that model.

---

• 

  RWhite_2024

  —

  For newbies I'd start with high-frequency, clearly-ruled scenarios like invoice processing and report generation. Validate ROI with small steps; don't jump into full-chain transformation right away, the budget and timeline won't bear it.

---

• 

  Sarah_Roberts_Pro

  —

  Visual recognition is genuinely strong. Even when the CSS class names change it still recognizes the order number and item quantity, more robust than XPath positioning.

---

• 

  DianaMurphy36907

  —

  Anyone deployed it in a central/state-owned Xinchuang environment? The Level-3 protection and a pile of national certifications look like entry barriers. Want to know if the actual delivery is heavy or not.

No reviews yet