你敢信？GPT-5的电脑操作水平只比人类低2%了

Agent S3在计算机使用智能体基准OSWorld上实现69.9%的成功率，接近人类水平72%。其通过简化架构和引入原生代码智能体，将单次运行性能提升至62.6%，并首次采用Behavior Best-of-N框架，利用多运行选优机制显著提高稳定性与效率。实验显示，并行运行10次时性能最佳，GPT-5和GPT-5 Mini分别达到69.9%和60.2%的成功率。混合模型集成进一步提升任务覆盖率至78.0%，验证了模型多样性的价值。该框架还引入行为叙事与评判机制，增强可解释性与评估准确性，评判器与人类选择一致性达92.8%。目前项目已完全开源。
来源：https://mp.weixin.qq.com/s/vbTYe2nLljf5hVkhHx7Grw