网易首页 > 网易号 > 正文 申请入驻

实在智能包揽国际权威评测前两名,让AI落地企业真实业务

0
分享至

全球第一,全球第二,我们包揽了。

2026年9月9日,全球公认最难考的GUI定位基准ScreenSpot-Pro榜单更新。实在智能Indeed-UI-32B,以82.7%的任务成功率,登顶全球第一。Indeed-UI-8B,以81%的成绩紧随其后,位列全球第二,同参数量级模型第一。



这不是一场内部比赛。GPT、Claude、Gemini、Qwen……全球最强的模型都在榜上。而我们,包揽了冠亚军。

但比起排名,我们更想认真跟你聊聊:这件事,对企业到底有什么用。

01 全球GUI定位的“金标准”

ScreenSpot-Pro由新加坡国立大学、华东师范大学、香港浸会大学等高校联合研究团队提出,相关论文已被ACM Multimedia 2025(CCF A类会议)正式收录。

它考察的核心问题很简单:AI能不能像人一样,在复杂的软件界面中,精准找到并定位到该点击的按钮、菜单或输入框?

打个比方,如果说“在Photoshop中批量导出多张设计稿”是一项完整任务,那ScreenSpot-Pro考的就是——模型能不能准确找到那个“导出图层”的按钮在哪里。

它的测试难度极高:

● 整屏、高分辨率的真实专业软件截图

● 覆盖26款真实专业应用,横跨开发、创意、CAD、科学、办公5大类

● 覆盖Windows、macOS、Linux三大操作系统

● 1581条测试指令,全部由资深专业人士标注

2025年基准发布时,全球最好的模型GPT5、Claude、Qwen也只有不到20%任务成功率。一年后,我们把分数推到了82.7%。



ScreenSpot-Pro已入选Hugging Face官方基准测试体系,是全行业公认的GUI Grounding能力评估标准。在这个“魔鬼考场”上,我们包揽了冠亚军。

02 性能登顶,成本落地

根据ScreenSpot-Pro官方榜单:

32B模型证明技术上限。Indeed-UI-32B在办公软件测试中取得了93%的平均成绩,几乎把企业办公软件测试“打穿”;在开发与编程类软件测试中更是达到97.6%,接近满分。

8B模型证明落地能力。Indeed-UI-8B在同级参数量模型中位列第一,超越了包括更大参数规模在内的多个竞品。

这意味着实在智能不仅在绝对性能上登顶,更在效率维度上展现出领先优势——以更小参数实现高精度,为企业低成本部署提供了切实可行的路径。



如果说32B模型是证明我们技术深度的“F1赛车”,那Indeed-UI-8B就是真正能让每家企业开回家的“家用轿车”。

我们来算一笔概念账:

过去要上一套能真正看懂复杂界面的AI,动辄需要采购几十万的GPU集群才能跑得动大模型;而现在,在屏幕定位这一核心能力上,一台万元级的工作站就能达到可用的效果。部署门槛从“只有大厂玩得起”降到了“普通企业换台电脑就能试”。

更关键的是——数据不出企业内网。

与闭源API方案相比,8B模型可以完全本地部署,从根源上解决数据安全与合规问题。财务数据、客户信息、生产排产表,全部留在你自己的服务器上,不用送给任何第三方。

而在ScreenSpot-Pro办公软件场景下,Indeed-UI-8B的实测表现,也超过或者持平多个更大参数量的开源模型。别人需要顶配服务器才能跑的精度,我们用一台万元级工作站就能达到。

当小模型也能精准完成复杂界面定位时,AI才真正具备大规模进入企业系统的条件——这正是实在智能大小模型同步领先的核心价值:不是让企业选“最强”还是“最省”,而是让“又强又省”成为现实。

03 看得准是入场券,能落地才是真本事

ScreenSpot-Pro登顶,证明的是AI“看得准”的能力。但在企业真实场景中,“看得准”只是起点。

以制造业为例,一张客户订单从接单到最终回款,完整链路要连续穿越七八套甚至十几套业务系统:CRM接收客户订单,OMS完成订单拆解,APS做生产排产,MES落地车间执行,WMS负责仓库出入库,SRM对接供应商物料,ERP完成成本核算,财务系统完成对账回款。

这其中有大量系统是CS架构的封闭软件——没有开放API,没有标准化接口,甚至没有文档。

遇到这种场景,市面上绝大多数AI Agent只能望而却步。它们能聊天、能写文案,但面对一个20年前的MES系统界面,连第一个按钮都点不准。

为了打通这条“断头路”,实在智能花了8年磨了一套Harness工程底座。你不需要记住ISSUT、CUA这些拗口的名字,只需要记住它的三个“不要”:

1. 不要API接口。你的老CS软件没接口?没关系,AI直接模拟鼠标键盘去操作,像人一样“硬控”界面。甭管是新的BS网页,还是几十年前的客户端,都能看懂、都能操作。

2. 不要人工盯着。遇到弹窗报错、页面改版、接口限流,它会自动重试、自主切换兜底路径,不会一卡就死给你看。超长复杂任务,AI自己循环纠错,保障整条生产链路稳定跑通。

3. 不要数据出网。整套体系支持完全本地部署,屏幕语义理解、操作执行全部在内网完成,审计合规一次过。

这套体系,才是82.7%榜单成绩背后的真正护城河——精准的GUI定位能力让AI点得准第一个按钮,Harness工程底座则让AI从第一个按钮出发,一路跑通十几套系统的全链路闭环。

如果ScreenSpot-Pro考的是“看得准”,那OSWorld考的就是“做得完”。此前,实在智能已在OSWorld上取得全球第一。两个榜单,一个指向GUI定位,一个指向端到端任务执行,都是国际公认的权威评测。

接连登顶,说明实在智能在AI操作电脑的核心链路上,已经形成从感知到执行的体系化能力——不是单点冒尖,而是整条链路都跑通了。

04 登顶是起点,企业价值是终点

82.7%的全球第一,是实在智能在GUI Grounding这一核心能力上的阶段性成果。接下来,Indeed-UI系列模型将持续迭代优化,在图标定位、复杂嵌套界面、跨分辨率场景等高难度方向上持续突破。

对企业来说,榜单分数的每一次提升,都意味着AI在真实业务中少犯一次错、少兜一次底、少一次人工干预。这些进步将直接转化为企业的三重价值:

更低的部署门槛。随着模型精度提升,8B级别模型将能够覆盖更多复杂场景。万元级工作站跑通核心自动化,不再是概念,而是正在发生的现实。中小企业也能用得起、用得好。

更高的业务自主率。定位精度越高,AI能自主完成的操作比例就越大。当模型从“大部分能做、关键步骤需人兜底”进化到“全链路自主跑通”,企业才能真正实现从“AI辅助”到“AI主导”的跨越。

更强的跨场景泛化。ScreenSpot-Pro覆盖26款专业软件、三大操作系统。模型在这些高难度场景上的持续进步,意味着面对企业内部更加多样、更加老旧、更加非标的业务系统时,AI同样能精准操作、稳定运行。

从OSWorld全球第一到ScreenSpot-Pro包揽冠亚军,我们的目标从来不是榜单排名。而是让每一家企业都能拥有一支“看得准、做得稳、跑得通”的数字员工军团,让AI自动化成为企业基础设施级的能力。

别人卷参数,我们卷落地。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
特朗普:莫迪是一个非常强硬的人,而高市早苗可能还要更强硬

特朗普:莫迪是一个非常强硬的人,而高市早苗可能还要更强硬

探索新高度
2026-11-18 08:44:32
发现一个奇怪的现象:电车没有干掉油车,却干掉了汽车修理厂!

发现一个奇怪的现象:电车没有干掉油车,却干掉了汽车修理厂!

補懂事的孩紙
2026-11-17 01:00:42
外媒:荷兰初创公司的导弹参与打击克里米亚大桥

外媒:荷兰初创公司的导弹参与打击克里米亚大桥

参考消息
2026-11-18 12:42:06
河南基本可以“包分配”的3所大学,学生毕业就能到体制内工作!完全不用愁就业!2027届高考生及家长不要错过

河南基本可以“包分配”的3所大学,学生毕业就能到体制内工作!完全不用愁就业!2027届高考生及家长不要错过

高三倒计时
2026-11-18 18:32:55
双预警齐发,中央气象台:内蒙古、黑龙江、吉林、山东等地有小到中雪或雨夹雪,贵州、云南、广西、广东等地有小雨,福建、广西等地有雷暴

双预警齐发,中央气象台:内蒙古、黑龙江、吉林、山东等地有小到中雪或雨夹雪,贵州、云南、广西、广东等地有小雨,福建、广西等地有雷暴

扬子晚报
2026-11-18 21:15:35
高迪曝陈泽大瓜!甩出多张截图,聊天记录不堪入目,陈泽最新回应

高迪曝陈泽大瓜!甩出多张截图,聊天记录不堪入目,陈泽最新回应

杨仔述
2026-11-18 12:57:26
台军曾告知台湾民众:开战后,见到穿军服的,一定要尽快远离

台军曾告知台湾民众:开战后,见到穿军服的,一定要尽快远离

不甜的李子
2026-11-18 06:28:57
东风-61列装,引发岛内巨震

东风-61列装,引发岛内巨震

极目新闻
2026-11-17 15:57:30
排面拉满!深圳APEC主持人阵容亮相,央视多位名嘴齐聚鹏城

排面拉满!深圳APEC主持人阵容亮相,央视多位名嘴齐聚鹏城

情感大头说说
2026-11-18 04:48:40
“没人活得比我更爽了!”女孩炫耀从小玩到大,网友:毕业薪资多少?她沉默了

“没人活得比我更爽了!”女孩炫耀从小玩到大,网友:毕业薪资多少?她沉默了

蝴蝶花雨话教育
2026-11-18 00:05:17
黄仁勋离开英伟达后,他的儿子、女儿、女婿也会被赶走吗?

黄仁勋离开英伟达后,他的儿子、女儿、女婿也会被赶走吗?

新商业派
2026-11-18 19:51:07
山东男篮逆转广东,陈林坚冷血三分制胜,替补席涌现小奇兵

山东男篮逆转广东,陈林坚冷血三分制胜,替补席涌现小奇兵

臻体育
2026-11-18 22:04:57
《谷雨》港味满满,6位香港演员功不可没,石榴姐、余文乐都老了

《谷雨》港味满满,6位香港演员功不可没,石榴姐、余文乐都老了

娱君坠星河
2026-11-18 13:37:40
李乃文直言演完《伟大的长征》很心虚,自嘲 “张国焘不适合参加创作座谈会”

李乃文直言演完《伟大的长征》很心虚,自嘲 “张国焘不适合参加创作座谈会”

草莓解说体育
2026-11-18 13:20:02
我表弟有幸,跟黄乐在上海的投资公司当过同事,他说:黄乐最让人着迷的根本不是她的外貌,而且网上那些照片,也不如本人好看

我表弟有幸,跟黄乐在上海的投资公司当过同事,他说:黄乐最让人着迷的根本不是她的外貌,而且网上那些照片,也不如本人好看

一盅情怀
2026-11-11 15:52:58
同样是抵达马尼拉,中国代表和日本首相的接机规格,差在哪?

同样是抵达马尼拉,中国代表和日本首相的接机规格,差在哪?

爱下厨的阿酾
2026-11-18 03:37:45
车船税优惠大调整!2027年1月1日起,大部分车主或将受到影响?

车船税优惠大调整!2027年1月1日起,大部分车主或将受到影响?

触摸史迹
2026-11-17 09:20:45
又一国宣布:加息!金价,重挫!

又一国宣布:加息!金价,重挫!

证券时报
2026-11-18 17:28:04
公交系统终于想通了:与其让一城人抢上车,不如让他们先举手

公交系统终于想通了:与其让一城人抢上车,不如让他们先举手

琴音缭绕回
2026-11-18 12:25:15
真正的思念,总是会无声无息的

真正的思念,总是会无声无息的

疾跑的小蜗牛
2026-11-18 21:04:36
2026-11-18 22:36:49
数据猿DataYuan incentive-icons
数据猿DataYuan
数据智能产业创新服务媒体
3059文章数 623关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

房产
数码
手机
本地
公开课

房产要闻

6.6亿!海口卖地!

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

本地新闻

乌兰察布:以前种土豆,现在种Token

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版