Simular anunció que su marco agéntico abierto, Agent S, ha logrado una tasa de éxito del 72,6 % en el benchmark OSWorld para evaluar agentes multimodales que realizan tareas informáticas reales. Esta puntuación supera el rendimiento a nivel humano del benchmark del 72,36 %, marcando la primera vez que un agente de IA supera el umbral humano en este dominio.
- Agent S alcanzó el 72,6 % en OSWorld, superando la línea base humana del 72,36 %.
- El avance fue posible gracias a Behavior Best-of-N (bBoN), un método que utiliza múltiples agentes para seleccionar el mejor resultado.
- Esto representa un progreso significativo respecto a las puntuaciones que se mantenían alrededor del 20 % hace solo un año.
- Simular recientemente aseguró $21,5 millones en financiación y está probando Microsoft Windows 365 for Agents.
Simular tiene como objetivo hacer esta tecnología ampliamente accesible para desbloquear casos de uso reales para los consumidores en computadoras reales.