OSWorld是目前AI Agent领域非常重要且真实的多模态计算机使用基准测试平台，被很多人称为“AI Agent的操作系统级基准”。

OSWorld 是第一个可扩展的、真实的计算机环境，专门用来测试和训练多模态AI Agent（视觉+语言模型）在真实操作系统上完成开放式、复杂、跨应用的日常计算机任务。

核心特点（为什么它很强）

• 支持真实操作系统：Ubuntu、Windows、macOS（三巨头全覆盖）
• 真实桌面环境：不是简化的网页或模拟器，而是真正在跑的GIMP、LibreOffice、VS Code、Chrome、文件管理器、终端等
• 开放式任务：369个（目前最新版约361~369个）真实世界任务，全部来自人类真实使用场景
• 跨多个软件的工作流（multi-app workflow），比如：
  • 下载图片 → 用GIMP编辑 → 插入PPT → 发邮件
  • 配置系统设置 + 安装软件 + 修改文件 + 浏览器操作
• 基于执行的自动评估：每个任务都有专门写的评估脚本（execution-based），结果客观、可重复，而不是靠人工打分
• 支持多模态输入：Agent主要靠看截屏（screenshot）+ 文字指令来理解和操作

谁在用？主要价值在哪？

1. 研究人员：测试新一代计算机使用Agent（Computer-use Agent）的天花板
2. Agent开发者：用OSWorld训练/验证自己的Agent是不是真的“会用电脑”
3. 公司：衡量自家模型距离“成为人类助手”还有多远（Anthropic、OpenAI、xAI、阿里通义等都在刷这个榜）