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
数据猿 | 2026-09-10 20:25
【数据猿导读】 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。
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。
来源：数据猿
刷新相关文章
我要评论
不容错过的资讯
大家都在搜
