初创公司 OpenAGI 推出 Lux：操作电脑得分 83.6%，称超越 OpenAI

让大模型帮你订机票、填表单甚至直接操作桌面软件，各大巨头争了一整年。但现实往往很骨感：很多打着「操作电脑」旗号的智能体，一遇到网页弹窗或动态加载就彻底卡壳。

一家由麻省理工学院（MIT）研究人员创立、此前一直处于隐身状态的初创公司 OpenAGI 正式亮相，并发布了一款名为 Lux 的基座模型。OpenAGI 首席执行官 Qin Zengyi 宣称，Lux 在控制电脑上的表现大幅超越了 OpenAI 和 Anthropic 的同类产品，而且成本只有对手的几分之一。

动态真实网页里的跑分反超

根据 OpenAGI 公布的数据，Lux 在 Online-Mind2Web 基准测试中取得了 83.6% 的成功率。这一成绩明显甩开了大厂梯队：OpenAI 在 1 月发布的 Operator 得分为 61.3%，而 Anthropic 的 Claude Computer Use 只有 56.3%。

Online-Mind2Web 是由俄亥俄州立大学和加州大学伯克利分校的研究人员开发的评测集，已被 2025 年语言建模大会（Conference on Language Modeling 2025）接收。它包含了跨越 136 个真实网站的 300 项复杂任务，涵盖从订机票到电商结账的各种真实流程。

和过去抓取网页静态缓存做测试的基准不同，Online-Mind2Web 直接把智能体扔进活生生的在线环境里，网页布局随时变化，还要应对各种意料之外的弹窗与障碍。此前俄亥俄州立大学团队测试主流商业智能体时就发现，宣传和实际效果差距巨大，不少重金打造的系统甚至没能跑赢 2024 年 1 月发布的简单智能体 SeeAct。

不学说话，改学「点鼠标和按键盘」

很多通用大语言模型之所以操作不好电脑，核心原因在于预训练方式。传统大模型吃的是海量纯文本语料，学会的本领是预测下一个词，天生就不是为了图形界面而生的。

OpenAGI 采用了一种被称为「智能体主动预训练」的方法。Lux 训练时输入的是大量的电脑屏幕截图与对应的操作序列，直接学习看懂视觉界面，并判断要达成目标需要点击哪里、敲击什么按键、如何滚动页面。

按照 Qin Zengyi 的说法，Lux 在执行动作时能够主动探索电脑环境，这种探索过程会产生新的知识，进而作为训练数据反哺回模型自身。这种自进化的训练闭环，让一家小团队不需要死磕极其庞大的静态文本数据集，也能通过自我探索让模型持续变强。

为什么重要

对于需要频繁处理繁琐流程的开发者和企业来说，让 AI 真正接管浏览器和桌面软件一直是最具吸引力的场景。如果 Lux 宣称的 83.6% 成功率能够稳定复现，意味着复杂的跨网站数据搬运、订票和填表任务终于有望从「动辄翻车」进入真正实用的阶段，不过它目前刚走出隐身状态，在日常复杂多变的企业真实软件中表现如何，仍有待实际检验。

在行业层面，这给 OpenAI、Anthropic 和微软敲响了警钟。行业过去一年把百亿美元砸向通用多模态和推理，但这一结果说明，单纯拿通识大模型套上屏幕截图接口，在执行效率和精准度上可能根本比不过从底层就针对「动作输出」设计的专用架构。

我们认为，OpenAGI 聪明的地方在于没有在通用文本规模上同大厂硬拼，而是抓住了「探索环境自生数据」这一闭环，用较小的体量做出了极高的任务垂直度。但这种模式的隐患在于，真实世界桌面软件的交互深度远超网页，一旦遇到需要深层逻辑判断或涉及资金安全的敏感操作，纯粹靠动作与截图训练出来的模型是否能保证足够严密的可靠性，看起来还需要更严格的现实检验。