實在Agent

• 1. 概要 （共 321 字）

  2026 年 7 月 27 日，全球權威計算機智慧體基準 OSWorld 的榜首易主，來自浙江杭州的實在智慧以「實在Agent」拿下 90.20% 的執行成功率，在總榜與智慧體框架分榜同時排名第一。這是該基準釋出以來第一個突破 90% 的方案，此前公開最高分是 83.6%，而人類操作者在同等條件下的平均成功率約為 72.36%。更值得注意的是它走的路線：不是堆一個更強的原生大模型，而是「通用模型 + 自研 Harness 工程框架」的雙層架構。這個成績背後，是一家成立八年、服務 6000 多家企業客戶的 RPA 老兵。但把榜單分數直接換算成生產力，中間還隔著一條不窄的溝——OSWorld 舊版本身已接近飽和，官方推出的 2.0 版本上，同一套方案的分數會從 83.5% 掉到 20.6%。

• 2. 產品背景 （共 699 字）

  實在智慧全稱浙江實在智慧科技有限公司，2018 年成立於杭州餘杭，創始人兼 CEO 孫林君此前是阿里巴巴的 P9 資深演算法專家。公司從 RPA（機器人流程自動化）起家，趕上了 2019 年前後國內 RPA 的融資熱潮，一路拿了六七輪錢：2018 年君聯資本的天使輪數千萬，2020 年松禾資本、賽智伯樂領投的 Pre-A 近億元，同年光雲科技領投的 A/A+ 輪 1 億元，2021 年英特爾資本的戰略投資，2023 年底金泰富資本與安吉智慧谷領投的 C 輪近 2 億元。累計融資約 4.7 億元人民幣。公司目前 300 到 500 人規模，官網口徑稱研發佔比超過 53%。   這家公司在國內 RPA 圈子裡的定位比較特別。它不像來也科技那樣偏對話式 AI，也不像影刀那樣主打輕量易用，而是很早就壓注「視覺理解 + 自動化執行」這條路。2021 年前後推出的 ISSUT 智慧螢幕語義理解技術，核心是不依賴 API 和介面元素 ID，直接靠視覺識別螢幕上的文字、按鈕、表格。後來又自研了 TARS（塔斯）大模型，百億引數量級，負責意圖理解和任務拆解，還有多模態版本 TARS-VL。這套「TARS + ISSUT + 智慧流程執行引擎」的組合，本質上就是今天大家說的 Computer-Use Agent，只不過實在智慧在這個概念火起來之前已經做了好幾年。   資質方面堆得很滿：國家專利獎、國家級專精特新「小巨人」、CMMI-5、資訊保安等級保護三級、連續多年入選中國和浙江的未來獨角獸榜單，100 多項發明專利。這些在 To B 政企市場是硬通貨。不過要提醒一句，官網首頁現在寫的「信通院 5 級滿分認定」，與 2022 至 2023 年官方稿件裡的「3+ 級最高認證」表述不一致，中間的升級過程沒有單獨通稿，引用時最好核實。

• 3. 產品功能與使用體驗 （共 1183 字）

  實在Agent 不是一個單品，而是一個平臺，底下掛著一整條產品線。往上看是實在Agent 企業級通用智慧體平臺，往下是實在RPA 設計器、信創 IPA 設計器、RPA 機器人執行終端、RPA 控制器（B/S 架構的任務排程中樞），旁邊還有 IDP 智慧文件審閱和實在取數寶兩個垂直產品。官網把智慧體市場也做起來了，宣稱有 5000 多個行業沉澱的智慧體應用可以開箱即用，實際點進去看是按客服、跨境、運營、銷售、電商、人事、財務分類的場景模板，條目像「Temu 財務報告庫」「BOSS 直聘智慧篩選」「增值稅發票識別」這種，點「獲取」會跳到留資頁面，不是直接下載。   核心賣點是「無需 API 介面，像真人一樣操作」。支援 Windows、信創系統（統信、麒麟）、Android，能操作 ERP、CRM、瀏覽器、微信、釘釘這些日常軟體。對於國內大量遺留系統沒有開放介面的現實，這個能力確實是剛需。工作流搭建走的是拖拽路線，配合元件庫和 MCP 工具，零程式碼人群也能上手。官網首頁展示的場景包括網路輿情分析、亞馬遜競品分析、小紅書文案仿寫、抖音意向客戶獲取、生意參謀週報生成、1688 選品，明顯是電商運營和跨境賣家的高頻需求。   真正讓它拿下 OSWorld 榜首的，是被稱為「Harness 工程」的那一層。這個詞現在在 Agent 圈越來越熱，簡單說就是包在模型外面的工程框架：複雜任務怎麼拆解排程、執行錯了怎麼自我糾錯、多個智慧體之間怎麼協同、長鏈路任務的狀態和記憶怎麼管、什麼時候切換模型、工具鏈怎麼閉環。執行層面實在Agent 採用「API 優先、GUI 兜底」的混合排程——能走介面就走介面，走不通才降級到視覺操作，這比純視覺方案在效率和穩定性上都有優勢。   Harness 這套東西的價值有資料支撐。斯坦福和清華的研究顯示，在完全相同的底層模型前提下，僅僅改進 Harness 工程設計，OSWorld 這類基準上的分數差距可以達到 6 到 17 個百分點。也有工程案例表明，同模型同提示詞，只最佳化任務拆解、狀態管理、步驟驗證、失敗恢復這幾個環節，任務成功率能從 70% 以下拉到 95% 以上。這就是為什麼 OSWorld TOP10 裡有 6 席選擇了框架路線，而不是純原生模型。   具體到 OSWorld 的 361 道實戰題，實在Agent 拿了 325.59 分。分類別看，跨應用協同、GIMP 影象處理、系統底層操作這些硬骨頭場景表現突出，日常高頻的 Calc、Impress、Writer、VSCode 也保持了高完成度。官方的說法是，在不專門訓練模型的前提下，僅靠架構與工程創新就能達到世界級水平。   安全機制也做了一層。高風險和敏感資料操作會觸發「安全斷路器」自動提權確認，支援操作撤銷與回滾，執行在沙盒隔離環境裡，全鏈路日誌可審計。公司說目標是把可靠性推向工業級的 99.99%——注意這是目標不是現狀，從 90.2% 到 99.99% 之間的距離，比從 12% 到 90% 更難走。

• 4. 定價與商業模式 （共 545 字）

  這是最不透明的一塊。官網沒有任何公開價目表，所有入口都指向「免費獲取」「免費試用」「下載體驗」的留資表單，典型的 To B 銷售線索打法。   能確定的免費部分是社群版：實在RPA 設計器社群版面向個人開發者、開源專案、學術教育和小型團隊免費，但明確限定非商業用途，OCR 和驗證碼這類高階元件有免費額度上限，也不提供官方技術支援。想真正商用，必須走商務談判。   至於企業版價格，官方內容營銷文章裡散落著幾個口徑，彼此還對不上。有一篇寫買斷制單機器人從幾萬到數十萬元永久授權，訂閱制 1.5 萬到 15 萬元一年，實施開發簡單場景 1 到 3 萬、複雜場景數十萬，運維費按初投的 15% 到 20% 計；換算到場景維度，單場景數萬元一年，跨部門多流程 15 到 30 萬一年，全鏈路改造 50 到 100 萬一次性。另一篇說許可證按機器人數量收費，基礎版 1 萬到 3 萬元一年。更早的文章又寫單個數字員工授權加綜合部署成本約 3 到 5 萬一年。三處口徑打架，只能當作數量級參考，真實報價一定是一客一議。   交付形態支援 SaaS、私有化部署和軟硬一體機，還跟華為搞過「Agent + DeepSeek 昇騰一體機」，跟惠普做過 Z 系列數字員工一體機。生態上宣稱超千家生態夥伴、400 多家渠道夥伴。這套打法很清楚：政企和大型企業客戶為主，靠渠道和專案制落地，客單價不低但交付重。

• 5. 使用者評價 （共 686 字）

  正面反饋集中在效率提升的量化收益上，官網列了一長串案例。周黑鴨用實在Agent 做 50 個平臺、近 90 個系統的資料核對，從人工每月 600 小時降到每天自動執行 14 小時，一年省下近 188 萬元、約 8 個財務人力。太平鳥每天自動獲取 30 家店鋪超 1000 種資料，人工每週只需 1 小時，效率提升 300%、成本降低 80%、準確率穩定在 100%。妙潔一年執行 5700 多小時，年省近 62 萬人力成本。青島啤酒整合多系統資料後庫存成本降了 87%。江中藥業覆蓋 50 餘個日常業務場景，資料獲取效率提升 6 倍。   使用者原話裡也有幾條比較真實的表達。有跨境賣家說「抖音店鋪後臺頁面更新非常頻繁，資料來源經常發生變化，但實在Agent 都能及時維護更新流程」，這句其實點出了 Computer-Use 類產品的核心痛點和廠商維護投入。有客戶說「實在Agent 對我們來說是價效比最高的一項投資，業務人員沒有減少，但能做的工作更多了」——這個表述比「替代多少人力」誠實得多。   負面反饋在第三方點評平臺上能看到。36 氪企業軟體點評站上實在智慧的使用者評分約 4.0 分，吐槽集中在幾點：穩定性偶有波動、客戶端效能佔用偏高、跨系統相容性有短板、遇到真正複雜的判斷類問題處理能力不足。CSDN 上的評測文章提到產品體系偏複雜、行業模板往往需要二次開發才能用，這基本是國產 RPA 的通病。   需要說明的是，所有量化收益資料都來自廠商自述和客戶配合的案例通稿，沒有第三方審計。客戶數量的口徑也一直在變：2022 年說 1500 到 2500 家，2024 年底 4000 家，官網「關於我們」寫 5000 家，2026 年 7 月的新聞稿變成 6000 家。增長曲線合理，但精確性存疑。

• 6. 行業評價 （共 740 字）

  這次登頂在國內媒體上傳播很廣，36 氪、品玩、浙商雜誌、中華時報都做了報道。主流敘事有兩個：一個是「工程化正規化轉移」，即 Agent = Model + Harness，模型是大腦但光有大腦不夠，工程排程能力正在成為決定落地效果的核心變數；另一個是「浙產之光」的地方產業敘事。清華大學智慧產業研究院院長張亞勤在今年 1 月的 AGI-Next 峰會上判斷，以對話為核心的 Chat 正規化已經結束，AI 競爭轉向能辦事的智慧體時代——這個觀點被廣泛引用來給實在Agent 的成績背書。   不過要客觀說，機器之心、量子位、雷峰網、InfoQ 這些技術媒體的獨立深度報道沒有找到，多篇報道措辭高度雷同，通稿屬性明顯。真正有分量的第三方技術分析目前缺位。   競品格局上，OSWorld 榜單是個不錯的觀察視窗。此前的關鍵節點包括 Simular Agent S2 以 72.6% 首次超過人類基準，Pointer 做到 83.6%，Anthropic 的 Claude Sonnet 5 報 81.2%，谷歌 Gemini 3.6 Flash 約 83%。Meta、MiniMax、UiPath、聯想都在榜上。位元組的 UI-TARS 走的是原生端到端模型路線，UI-TARS-2 曾報 47.5 分。實在Agent 與它們最大的區別就是框架路線——不訓專用模型，靠工程層把通用模型的能力壓榨出來。這條路的好處是模型迭代紅利可以直接吃到，壞處是護城河更依賴工程 Know-how 而非模型資產。   國內 RPA 賽道的競爭則要激烈得多。影刀、來也科技、弘璣 Cyclone、藝賽旗、金智維、UiPath 中國區都在搶同一批政企客戶。值得注意的是，在某些第三方的 2026 中國 RPA 廠商 TOP10 榜單裡，實在智慧只排到第 4，落後於藝賽旗和來也。OSWorld 的技術領先和市場份額領先，顯然不是一回事。

• 7. 爭議與風險 （共 1012 字）

  第一層爭議來自基準本身。OSWorld 由香港大學 XLANG Lab 聯合 CMU、滑鐵盧大學提出，2024 年發表於 NeurIPS。2025 年官方推出 OSWorld-Verified 時，主動承認原版存在 300 多個問題，包括網頁內容變動、CAPTCHA 干擾、指令歧義、評測指令碼脆弱等，並明確指出「當前領先模型的成功主要源於大量人類軌跡資料」——這句話本身就暗示了過擬合風險。   更尖銳的質疑來自 UC Berkeley 的 Dawn Song 團隊。他們構建了一個自動 exploit agent，在包括 OSWorld 在內的 8 大 Agent 基準上，不真正解題就能拿到 73% 到 100% 的高分，揭示評分器可被操縱的結構性漏洞。這項工作登上過 Hacker News 熱榜第一。這不是說實在智慧刷分，而是說明這類基準的分數需要配合完整的 harness 披露才有意義，「不披露 harness 的分數近乎無意義」已經成為部分研究者的共識。   第二層是與真實環境的差距。XLANG 已經發布 OSWORLD 2.0，任務改成更長程、更復雜的真實工作流，結果同一模型在舊版能拿 83.5%，新版只有 20.6%。這個斷崖式落差說明舊榜確實趨近飽和，90% 與生產環境可用之間還有相當距離。實在智慧自己也承認，企業真實辦公環境充滿軟體版本更新、隨機廣告彈窗、系統通知抖動、網路延遲這些非標準干擾，而在財務、HR、供應鏈這些場景裡，9.8% 的失敗率可能意味著發錯郵件或填錯付款金額這樣的重大風險。   第三層是 Computer-Use 類智慧體的通用安全風險。這類 Agent 直接接管螢幕和鍵鼠，天然面臨 prompt injection（網頁裡藏一段隱藏指令就可能誘導 Agent 洩露檔案）、憑證竊取、越權操作等威脅。IBM 的報告稱，97% 出現 AI 相關資料洩露的組織缺乏對 AI 系統的訪問控制。實在Agent 有安全斷路器和審計日誌，但這套機制在真實攻防下的強度，還沒有公開的第三方測試結果。   第四層是行業層面的商業化困境，這可能是最實際的問題。國產 RPA 廠商的客戶年流失率均值約 30%，而美國同行的中位數是 7%。行業普遍陷入價格戰和重定製的專案制泥潭，人均年產出只有 20 到 30 萬元，「整個行業不賺錢」是從業者的普遍感受。實在智慧的公開經營資料不詳，啟信寶上能看到集團層面有若干關聯風險記錄，但具體的裁員、訴訟、業績負面報道沒有找到公開資訊。C 輪融資停在 2023 年底，之後兩年多沒有新一輪公開訊息，也沒有 IPO 輔導資訊。

• 8. 適用人群與使用建議 （共 568 字）

  最匹配的是有大量跨系統重複操作、且這些系統沒有開放 API 的中大型企業，典型場景是財務對賬、多平臺電商資料採集、供應鏈單據處理、HR 簡歷初篩。如果你的痛點正好是「幾十個後臺每天要人工登入導資料」，實在取數寶這類產品的 ROI 會非常直觀，前面提到的周黑鴨、太平鳥案例都是這個模式。   信創環境是另一個明確優勢區。支援統信、麒麟，有等保三級和一堆國家級資質，對央國企和政府客戶來說這是准入門檻而不是加分項。   不太適合的情況也很清楚。個人開發者和小團隊：社群版限定非商業用途，商用要走銷售流程，起步成本不低；輕量自動化需求，用 Python 指令碼、Playwright 或者影刀這類更輕的工具可能更划算。高風險不可逆操作場景要謹慎：涉及資金劃轉、對外傳送、生產系統寫入的流程，務必開啟人工確認環節，不要指望 90% 的成功率能直接放開跑。還有就是期待「買來即用」的企業要有心理準備，行業模板通常需要二次開發，交付週期和實施成本要提前算進預算。   替代方案上，國內可以對比影刀 RPA（更輕更便宜）、來也科技（對話式 AI 更強）、藝賽旗和金智維（金融行業積累深）；國際方案 UiPath 生態最成熟但價格和信創合規是問題；如果只需要瀏覽器內自動化，Anthropic 的 Claude Computer Use、OpenAI 的 Operator 或開源的 browser-use 都值得評估。

• 9. 總結 （共 365 字）

  實在Agent 拿下 OSWorld 90.20% 是一個實打實的工程成就，它證明了在不訓練專用模型的前提下，靠八年積累的自動化 Know-how 和 Harness 工程體系，中國團隊能在全球智慧體基準上做到斷層領先。這個成績對整個行業的啟示大於對單個公司的營銷價值——它把「Agent = Model + Harness」這個判斷從假設變成了可驗證的事實。   但榜單只是駕照考試，不是馬路實戰。OSWorld 舊版趨近飽和、2.0 版本分數斷崖、基準評分器本身被證明可被操縱，這些都提醒我們不要把 90.2% 直接讀成「可以放心用了」。真正的考驗在於：能不能把這套能力以可接受的成本、可控的風險、可複製的交付方式，塞進幾千家企業亂七八糟的真實辦公環境裡，並且讓客戶第二年還願意續費。對一家困在 RPA 行業 30% 流失率和重專案制泥潭裡的公司來說，這道題比刷榜難得多。

暫無深度報告

• 

  SButler_88

  —

  OSWorld 90.2% 確實牛，但得潑盆冷水，舊版基準已經快飽和了，2.0 版本同一套方案直接掉到 20.6%，榜單和真實生產環境差著一截呢。

---

• 

  悠然454

  —

  OSWorld 2.0 把任務從兩分鐘拉長到平均一點六小時、要兩百五十多步，最強模型也就做兩成，說明長程任務才是真難關。實在Agent 在 1.0 登頂很猛，但能不能扛住 2.0 那種一下午的活還得再看，現在下單別隻盯著那 90.2% 看。

---

• 

  KCook_Plus3

  —

  看到 UC Berkeley 那個 Dawn Song 團隊做的 exploit agent 研究挺觸目驚心，不真正解題、靠操縱評分器就能在 OSWorld 這類基準上拿到七成到滿分的高分，還登上了 Hacker News 熱榜第一。這說明光看榜首分數真沒意義，得看 harness 披露得全不全，不然就是自嗨，實在智慧也沒法用一句話撇清。

---

• 

  AngelaWard_66

  —

  上週做了個跨系統同步的實測，原來用爬蟲加人工同步一次要十五分鐘、出錯率百分之八點幾，換實在Agent 後一次只要一分多鐘、出錯率低於千分之一，而且 UI 變了它自己能重新對映，維護成本幾乎為零，這 ROI 確實能算過來賬。

---

• 

  ticklishswan803

  —

  我們做跨境電商的，抖音店鋪後臺頁面更新特別頻繁，資料來源經常變，以前爬蟲一變就崩，得專人盯著改。但實在Agent 每次都能及時維護更新流程，UI 變了它自己重新對映，比純指令碼省心太多，這點對我們的日常運營幫助最大，終於不用半夜被報警叫起來改選擇器了。

---

• 

  AlanSanchez

  —

  真香，一句話就能生成流程。

---

• 

  ChainChaserKristensen

  —

  用了半年多，體感是它適合幾十個後臺每天人工登入導資料這種痛點，我們供應鏈單據處理效率提升很明顯，但客服類複雜語義理解還是一般，真要替代人做決策還早，目前定位成數字員工助理更準。

---

• 

  Richard_ChavezSr

  —

  Agent OS v5.2 那套 PDA-M-R 閉環架構（感知、決策、執行、記憶、反思）聽著玄，實際用下來自主重試和狀態管理確實比老 RPA 穩。網路卡頓它會自己等一會再試，遇到異常能走替代路徑，不像老 RPA 指令碼報錯就直接停，這點對長流程特別關鍵。

---

• 

  趙濤

  —

  在信創環境踩過坑，麒麟系統上字型渲染引擎和 Windows 不同，導致 Agent 定位按鈕座標出現偏移，根因是依賴絕對座標而非視覺識別。後來改用它的視覺識別按影象特徵點匹配才穩下來，還順手把 NPU 推理框架用容器隔離了，看來純座標定位在信創上真的不靠譜，視覺才是正道。

---

• 

  BruceBerg

  —

  我們對接的是 DeepSeek 私有化部署，資料安全這塊比較放心，token 消耗也比公有云 API 低不少，加上它本來的 RPA 執行層，算是把思考和動手打通了。不過實施週期不短，跨部門複雜流程從 POC 到上線跑了小半年，行業模板基本都二次開發過，預算要提前算進去。

---

• 

  Mo_nique613

  —

  我們財務用它核對幾十個平臺的訂單，以前每月要六百小時，現在每天自動跑，人基本不用管了。

---

• 

  BrianRogersK0

  —

  實在Agent 最打動我的是不用對接 API，我們那套老 ERP 根本沒介面，純靠視覺識別照樣能把資料抓出來填回去，對遺留系統太友好了。

---

• 

  Linda_CampbellII

  —

  期待能直接替代人力，結果還是得留人複核。

---

• 

  陳月

  —

  實在Agent 企業版大概什麼價位啊？官網全是留資表單，連個價目表都不敢放，有沒有踩過坑的老哥說一下真實報價？

---

• 

  Sandra.Hart

  —

  價格這塊真不透明，我看到的口徑從單機器人幾萬到數十萬都有，訂閱制一年一萬五到十五萬，三處對不上，只能當數量級參考，最後肯定是一客一議。

---

• 

  NWood_Max

  —

  客戶端效能佔用偏高，跑大型流程時機器風扇響得不行。

---

• 

  pARKER76

  —

  穩定性偶有波動，複雜一點的判斷類任務還是得人工兜底，別指望它完全自主跑完。

---

• 

  RBennettIII

  —

  安全斷路器這個設計不錯，涉及敏感資料會自動提權確認，敢讓 Agent 動財務之前必須開著。

---

• 

  purplewolf123

  —

  別在資金劃撥這種不可逆操作上放開跑，9.8% 的失敗率放到付款場景就是發錯錢的風險，人工最後一道閘門必須留著。

---

• 

  NodeRunnerHartman

  —

  建議先用社群版練手，非商業免費，別一上來就走商務流程，銷售那邊報價一客一議，水挺深。

---

• 

  廖晨勇

  —

  行業模板大多要二次開發才能用，CSDN 那篇評測說得實在，這基本是國產 RPA 的通病，買來即用基本不現實。

---

• 

  Christina_RossK

  —

  三十六條點評站上評分大概四點零，吐槽集中在穩定性、相容性和複雜判斷，跟我們實際用的體感差不多，瑕不掩瑜但別神話。

---

• 

  Joyce_GomezQ

  —

  浙產之光，確實給力哈哈。

---

• 

  ABrown_2021

  —

  免費社群版真香，就是不能商用。

---

• 

  Alan_JonesQ

  —

  周黑鴨那個案例挺有說服力，五十個平臺近九十套系統核對，一年省下快兩百萬、約八個財務人力，雖然資料來自廠商通稿沒第三方審計，但模式確實是這個模式。

---

• 

  RWhite_2024

  —

  新手建議從高頻規則明確的場景切入，比如財務票據處理、報表生成，小步快跑驗證 ROI，別一上來就搞全鏈路改造，那預算和實施週期都吃不消。

---

• 

  Sarah_Roberts_Pro

  —

  視覺識別是真強，CSS 類名變了它還能認出訂單號和商品數量，比 XPath 定位抗造。

---

• 

  DianaMurphy36907

  —

  有在央國企信創環境落地的嗎？等保三級和一堆國家級資質看著像准入門檻，想了解下實際交付重不重。

暫無評論