Компания Simular объявила, что ее открытая агентная платформа Agent S достигла показателя успешности 72,6% на бенчмарке OSWorld для оценки мультимодальных агентов, выполняющих реальные задачи на компьютере. Этот результат превышает человеческий уровень производительности в этом бенчмарке, составляющий 72,36%, что знаменует собой первый случай, когда ИИ-агент превзошел порог человеческого уровня в данной области.

  • Agent S набрал 72,6% на OSWorld, превзойдя человеческий базовый уровень в 72,36%.
  • Прорыв стал возможным благодаря методу Behavior Best-of-N (bBoN), который использует несколько агентов для выбора наилучшего результата.
  • Это представляет собой значительный прогресс по сравнению с показателями около 20% всего год назад.
  • Недавно Simular привлекла $21,5 миллиона инвестиций и тестирует Microsoft Windows 365 for Agents.

Simular стремится сделать эту технологию широко доступной, чтобы раскрыть реальные варианты использования для потребителей на настоящих компьютерах.