“后人会觉得这很荒谬”：Sai代理在OSWorld 2.0上以73%的成功率完成日常（但必要）工作
内容提要
Simular公司的电脑代理Sai在OSWorld 2.0基准测试中取得73%成功率，超越GPT-5.6 Sol和Opus 5，成本仅为它们的三分之二。Sai采用神经符号方法，结合神经网络与符号代码，高效处理真实工作场景任务，如发票验证和疫苗预约。公司强调其设计注重经济实用性，而非追求行业荣誉，旨在为个人和企业提供可负担的自动化解决方案。
延伸解读
神经符号方法如何降低成本
Sai采用神经符号方法，将神经网络与符号代码结合，使已解决的任务可编码为可复用代码，处理第100张发票的成本远低于第一张。同时，Sai通过自适应摘要控制上下文窗口，保持输入规模，并利用Simulang代码规划长任务，平均模型调用次数比纯模型少约1.5倍，从而在OSWorld 2.0上以约三分之二的成本达到更高成功率。
基准测试的现实意义与局限
OSWorld 2.0任务以小时计，涵盖跨数据源查找、动态环境变化、遵循指南和排查矛盾信息等真实挑战，比OSWorld 1.0更贴近实际工作。但需注意，Sai的结果尚未在官方排行榜上可见，Simular正在提交中。此外，专家提醒，演示虽好，但可靠性依赖护栏、可见性和人工介入检查点，生产环境中的边缘情况可能导致静默失败。
成本效益与行业趋势
Simular强调Sai的设计注重经济实用性，而非追求行业荣誉。联合创始人杨嘉辰认为，为日常必要工作构建的代理不应因底层模型训练目标而价格高昂。Sai在OSWorld 2.0上的成本效益比被视为迈向可负担自动化的一步，反映了新兴模型正从追求原始算力转向聚焦实际工作场景的趋势。
Q&A
Sai在OSWorld 2.0基准测试上的成功率是多少？
Sai在OSWorld 2.0基准测试上的成功率为73%，基于108个任务，这些任务通常需要熟练人类超过1小时完成。
Sai与GPT-5.6 Sol和Opus 5相比表现如何？
Sai以73%的成功率超越了GPT-5.6 Sol（62.57%）和Opus 5（70.57%），且成本约为它们的三分之二。
Sai采用什么技术方法来实现高效的任务处理？
Sai采用神经符号方法，结合神经网络和符号代码，通过规划、执行和验证来高效处理任务，减少模型调用次数，并使用自适应摘要和常量提示前缀来优化内存和缓存。
Sai在OSWorld 2.0上执行了哪些具体任务？
Sai在OSWorld 2.0上执行了包括玩Chrome Dino游戏和疫苗预约（Task 28）等任务。疫苗预约涉及处理邮件、扫描的疫苗接种记录和预订网站，需满足价格、距离和日期限制。
Sai的设计理念是什么？
Sai的设计理念是专注于真实世界的工作场所任务，以经济实惠的成本为个人和企业提供自动化解决方案，而不是追求行业荣誉或解决复杂的数学问题。
Sai在OSWorld 2.0上的结果为何尚未出现在官方排行榜上？
Simular表示，公司或组织先在自家网站上发布基准测试结果并不罕见（如Anthropic和OpenAI），他们正在提交到OSWorld 2.0排行榜，并将轨迹上传到Hugging Face。
Sai与OSWorld 1.0的关系是什么？
Simular的开源代理Agent S是第一个在OSWorld 1.0上超越人类基线的代理，而Sai是后续版本，在OSWorld 2.0上取得了73%的成功率。
Sai在成本效益方面有何优势？
Sai在OSWorld 2.0上以约三分之二的成本达到了顶级性能，通过神经符号规划减少了约1.5倍的模型调用次数，并采用自适应摘要等技术降低计算成本。
