IXThinker·2026-05-26 14:40

實測難倒GUI Agent 全自動辦公仍遙遠

一項涵蓋23個真實系統、106個任務的實戰評測顯示，操作電腦界面的智能體在真實軟件場景表現遠低於預期，個別頂尖模型完成率不足4%，全自動辦公的想像與現實之間仍有顯著距離。

評測設計

這份名為SaaS-Bench的考卷由研究團隊構建，覆蓋23個真實軟件系統、106個任務，直接考察計算機使用類智能體在圖形界面上的實際操作能力，有別於以往偏重模擬環境的基準測試。