Simular mengumumkan bahwa framework agentic open-source-nya, Agent S, telah mencapai tingkat keberhasilan 72,6% pada benchmark OSWorld untuk mengevaluasi agen multimodal yang melakukan tugas komputer nyata. Skor ini melebihi kinerja tingkat manusia pada benchmark sebesar 72,36%, menandai pertama kalinya agen AI melampaui ambang batas manusia dalam domain ini.
- Agent S mencapai 72,6% pada OSWorld, mengalahkan baseline manusia sebesar 72,36%.
- Terobosan ini dimungkinkan oleh Behavior Best-of-N (bBoN), sebuah metode yang menggunakan beberapa agen untuk memilih hasil terbaik.
- Ini mewakili kemajuan signifikan dari skor yang berkisar di sekitar 20% hanya satu tahun lalu.
- Simular baru-baru ini mengamankan pendanaan sebesar $21,5 juta dan sedang menguji coba Windows 365 for Agents dari Microsoft.
Simular bertujuan untuk membuat teknologi ini dapat diakses secara luas guna membuka kasus penggunaan nyata bagi konsumen pada komputer nyata.