新興OpenAGIがPC操作AI「Lux」発表：ベンチマーク83.6%でOpenAI超えを主張

AI に PC の操作を任せるエージェントの開発競争が激化するなか、OpenAI や Anthropic といった巨頭を大きく上回るベンチマークスコアを叩き出したとするスタートアップが現れました。

マサチューセッツ工科大学（MIT）の研究者である Zengyi Qin 氏が率いる OpenAGI は、ステルス状態から抜け出し、PC を自律操作するための基底モデル「Lux」を発表しました。画面のスクリーンショットを解析し、デスクトップアプリやブラウザ上で自律的にアクションを実行するモデルです。

同社によると、Lux は実運用に近い環境を模したベンチマーク「Online-Mind2Web」で 83.6% の成功率を達成したといいます。1 月にリリースされた OpenAI の Operator が記録した 61.3% や、Anthropic の Claude Computer Use による 56.3% を大きく引き離す数字です。

動的に変わる本物のウェブで測る

Online-Mind2Web は、オハイオ州立大学とカリフォルニア大学バークレー校の研究チームが開発したベンチマークです。Conference on Language Modeling 2025（COLM 2025）に採択され、Hugging Face 上で公開リーダーボードが運営されています。

このテストの特徴は、静的なキャッシュではなく、実際に稼働している 136 のウェブサイトを舞台に、フライト予約や EC サイトの購入手続きなど 300 種類のタスクを実行させる点にあります。ページレイアウトが動的に変化し、予期せぬポップアップが現れる環境で評価が行われます。

研究チームは調査の過程で、大々的な宣伝とともに登場した最新商用システムの多くが、2024 年 1 月に公開された比較的シンプルなエージェント「SeeAct」すら超えられていないと指摘していました。OpenAI の Operator でさえ成功率が約 61% にとどまるなかでの、Lux の 83.6% という主張は大きな注目を集めています。

テキストではなく「画面とアクション」を直接学ぶ

OpenAGI が性能差の根拠として挙げるのが、「エージェンティック・アクティブ・事前学習」と呼ばれる独自の手法です。

従来の大規模言語モデルは膨大なテキストデータを読み込み、次の単語を予測するように訓練されます。文章生成には優れるものの、グラフィカルな画面を操作する目的には最適化されていません。

これに対し Lux は、PC 画面のスクリーンショットと操作ログの組み合わせで直接訓練されています。さらに、モデル自らが環境を探索して得た新たな知見を訓練データとしてフィードバックする自律改善ループを組み込むことで、大規模な静的データセットに頼らずモデルを強化できると Qin 氏は説明しています。

なぜ重要か

PC 操作の自動化を待ち望むユーザーや開発者にとって、80% を超える成功率は実用化への大きな分水嶺となります。これまでのエージェントは少し画面構成が変わるだけで停止することが多く、業務に組み込むには不安が残っていました。Lux の数字が本物であれば、日々のフォーム入力やデータ収集の自動化が一気に現実味を帯びてきます。

業界全体にとっても、汎用 LLM に後付けで画面認識を持たせる従来のアプローチに対し、最初から操作行動を学習させる特化型モデルがコストと精度の両面で優位に立てる可能性を示した意味は重いといえます。

私たちは、自己探索によってデータを生み出す訓練ループを採用した OpenAGI の戦略を非常に巧妙だと評価しています。一方で、ベンチマーク環境と企業の現場で使われる複雑な社内システムとの間には依然として隔たりがあります。誤操作が許されない実業務において、この自律エージェントがどれほど堅牢に動作できるかは、今後の独立した検証を見極める必要があります。