实在Agent

• 1. 概要 (321 ký tự)

  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 ký tự)

  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 ký tự)

  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 ký tự)

  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 ký tự)

  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 ký tự)

  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 ký tự)

  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 ký tự)

  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 ký tự)

  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。

Chưa có báo cáo chuyên sâu

• 

  SButler_88

  —

  OSWorld 90.2% 确实牛，但得泼盆冷水，旧版基准已经快饱和了，2.0 版本同一套方案直接掉到 20.6%，榜单和真实生产环境差着一截呢。

---

• 

  悠然454

  —

  OSWorld 2.0 把任务从两分钟拉长到平均一点六小时、要两百五十多步，最强模型也就做两成，说明长程任务才是真难关。实在Agent 在 1.0 登顶很猛，但能不能扛住 2.0 那种一下午的活还得再看，现在下单别只盯着那 90.2% 看。

---

• 

  KCook_Plus3

  —

  看到 UC Berkeley 那个 Dawn Song 团队做的 exploit agent 研究挺触目惊心，不真正解题、靠操纵评分器就能在 OSWorld 这类基准上拿到七成到满分的高分，还登上了 Hacker News 热榜第一。这说明光看榜首分数真没意义，得看 harness 披露得全不全，不然就是自嗨，实在智能也没法用一句话撇清。

---

• 

  AngelaWard_66

  —

  上周做了个跨系统同步的实测，原来用爬虫加人工同步一次要十五分钟、出错率百分之八点几，换实在Agent 后一次只要一分多钟、出错率低于千分之一，而且 UI 变了它自己能重新映射，维护成本几乎为零，这 ROI 确实能算过来账。

---

• 

  ticklishswan803

  —

  我们做跨境电商的，抖音店铺后台页面更新特别频繁，数据源经常变，以前爬虫一变就崩，得专人盯着改。但实在Agent 每次都能及时维护更新流程，UI 变了它自己重新映射，比纯脚本省心太多，这点对我们的日常运营帮助最大，终于不用半夜被报警叫起来改选择器了。

---

• 

  AlanSanchez

  —

  真香，一句话就能生成流程。

---

• 

  ChainChaserKristensen

  —

  用了半年多，体感是它适合几十个后台每天人工登录导数据这种痛点，我们供应链单据处理效率提升很明显，但客服类复杂语义理解还是一般，真要替代人做决策还早，目前定位成数字员工助理更准。

---

• 

  Richard_ChavezSr

  —

  Agent OS v5.2 那套 PDA-M-R 闭环架构（感知、决策、执行、记忆、反思）听着玄，实际用下来自主重试和状态管理确实比老 RPA 稳。网络卡顿它会自己等一会再试，遇到异常能走替代路径，不像老 RPA 脚本报错就直接停，这点对长流程特别关键。

---

• 

  赵涛

  —

  在信创环境踩过坑，麒麟系统上字体渲染引擎和 Windows 不同，导致 Agent 定位按钮坐标出现偏移，根因是依赖绝对坐标而非视觉识别。后来改用它的视觉识别按图像特征点匹配才稳下来，还顺手把 NPU 推理框架用容器隔离了，看来纯坐标定位在信创上真的不靠谱，视觉才是正道。

---

• 

  BruceBerg

  —

  我们对接的是 DeepSeek 私有化部署，数据安全这块比较放心，token 消耗也比公有云 API 低不少，加上它本来的 RPA 执行层，算是把思考和动手打通了。不过实施周期不短，跨部门复杂流程从 POC 到上线跑了小半年，行业模板基本都二次开发过，预算要提前算进去。

---

• 

  Mo_nique613

  —

  我们财务用它核对几十个平台的订单，以前每月要六百小时，现在每天自动跑，人基本不用管了。

---

• 

  BrianRogersK0

  —

  实在Agent 最打动我的是不用对接 API，我们那套老 ERP 根本没接口，纯靠视觉识别照样能把数据抓出来填回去，对遗留系统太友好了。

---

• 

  Linda_CampbellII

  —

  期待能直接替代人力，结果还是得留人复核。

---

• 

  陈月

  —

  实在Agent 企业版大概什么价位啊？官网全是留资表单，连个价目表都不敢放，有没有踩过坑的老哥说一下真实报价？

---

• 

  Sandra.Hart

  —

  价格这块真不透明，我看到的口径从单机器人几万到数十万都有，订阅制一年一万五到十五万，三处对不上，只能当数量级参考，最后肯定是一客一议。

---

• 

  NWood_Max

  —

  客户端性能占用偏高，跑大型流程时机器风扇响得不行。

---

• 

  pARKER76

  —

  稳定性偶有波动，复杂一点的判断类任务还是得人工兜底，别指望它完全自主跑完。

---

• 

  RBennettIII

  —

  安全断路器这个设计不错，涉及敏感数据会自动提权确认，敢让 Agent 动财务之前必须开着。

---

• 

  purplewolf123

  —

  别在资金划拨这种不可逆操作上放开跑，9.8% 的失败率放到付款场景就是发错钱的风险，人工最后一道闸门必须留着。

---

• 

  NodeRunnerHartman

  —

  建议先用社区版练手，非商业免费，别一上来就走商务流程，销售那边报价一客一议，水挺深。

---

• 

  廖晨勇

  —

  行业模板大多要二次开发才能用，CSDN 那篇评测说得实在，这基本是国产 RPA 的通病，买来即用基本不现实。

---

• 

  Christina_RossK

  —

  三十六条点评站上评分大概四点零，吐槽集中在稳定性、兼容性和复杂判断，跟我们实际用的体感差不多，瑕不掩瑜但别神话。

---

• 

  Joyce_GomezQ

  —

  浙产之光，确实给力哈哈。

---

• 

  ABrown_2021

  —

  免费社区版真香，就是不能商用。

---

• 

  Alan_JonesQ

  —

  周黑鸭那个案例挺有说服力，五十个平台近九十套系统核对，一年省下快两百万、约八个财务人力，虽然数据来自厂商通稿没第三方审计，但模式确实是这个模式。

---

• 

  RWhite_2024

  —

  新手建议从高频规则明确的场景切入，比如财务票据处理、报表生成，小步快跑验证 ROI，别一上来就搞全链路改造，那预算和实施周期都吃不消。

---

• 

  Sarah_Roberts_Pro

  —

  视觉识别是真强，CSS 类名变了它还能认出订单号和商品数量，比 XPath 定位抗造。

---

• 

  DianaMurphy36907

  —

  有在央国企信创环境落地的吗？等保三级和一堆国家级资质看着像准入门槛，想了解下实际交付重不重。

Chưa có đánh giá