初創公司 OpenAGI 推出 Lux：操作電腦得分 83.6%，稱超越 OpenAI

讓大模型幫你訂機票、填表單甚至直接操作桌面軟體，各大巨頭爭了一整年。但現實往往很骨感：很多打著「操作電腦」旗號的智慧體，一遇到網頁彈窗或動態載入就徹底卡殼。

一家由麻省理工學院（MIT）研究人員創立、此前一直處於隱身狀態的初創公司 OpenAGI 正式亮相，併發布了一款名為 Lux 的基座模型。OpenAGI 執行長 Qin Zengyi 宣稱，Lux 在控制電腦上的表現大幅超越了 OpenAI 和 Anthropic 的同類產品，而且成本只有對手的幾分之一。

動態真實網頁裡的跑分反超

根據 OpenAGI 公佈的資料，Lux 在 Online-Mind2Web 基準測試中取得了 83.6% 的成功率。這一成績明顯甩開了大廠梯隊：OpenAI 在 1 月釋出的 Operator 得分為 61.3%，而 Anthropic 的 Claude Computer Use 只有 56.3%。

Online-Mind2Web 是由俄亥俄州立大學和加州大學伯克利分校的研究人員開發的評測集，已被 2025 年語言建模大會（Conference on Language Modeling 2025）接收。它包含了跨越 136 個真實網站的 300 項複雜任務，涵蓋從訂機票到電商結賬的各種真實流程。

和過去抓取網頁靜態快取做測試的基準不同，Online-Mind2Web 直接把智慧體扔進活生生的線上環境裡，網頁佈局隨時變化，還要應對各種意料之外的彈窗與障礙。此前俄亥俄州立大學團隊測試主流商業智慧體時就發現，宣傳和實際效果差距巨大，不少重金打造的系統甚至沒能跑贏 2024 年 1 月釋出的簡單智慧體 SeeAct。

不學說話，改學「點滑鼠和按鍵盤」

很多通用大語言模型之所以操作不好電腦，核心原因在於預訓練方式。傳統大模型吃的是海量純文本語料，學會的本領是預測下一個詞，天生就不是為了圖形介面而生的。

OpenAGI 採用了一種被稱為「智慧體主動預訓練」的方法。Lux 訓練時輸入的是大量的電腦螢幕截圖與對應的操作序列，直接學習看懂視覺介面，並判斷要達成目標需要點選哪裡、敲擊什麼按鍵、如何滾動頁面。

按照 Qin Zengyi 的說法，Lux 在執行動作時能夠主動探索電腦環境，這種探索過程會產生新的知識，進而作為訓練資料反哺回模型自身。這種自進化的訓練閉環，讓一家小團隊不需要死磕極其龐大的靜態文本資料集，也能通過自我探索讓模型持續變強。

為什麼重要

對於需要頻繁處理繁瑣流程的開發者和企業來說，讓 AI 真正接管瀏覽器和桌面軟體一直是最具吸引力的場景。如果 Lux 宣稱的 83.6% 成功率能夠穩定復現，意味著複雜的跨網站資料搬運、訂票和填表任務終於有望從「動輒翻車」進入真正實用的階段，不過它目前剛走出隱身狀態，在日常複雜多變的企業真實軟體中表現如何，仍有待實際檢驗。

在行業層面，這給 OpenAI、Anthropic 和微軟敲響了警鐘。行業過去一年把百億美元砸向通用多模態和推理，但這一結果說明，單純拿通識大模型套上螢幕截圖介面，在執行效率和精準度上可能根本比不過從底層就針對「動作輸出」設計的專用架構。

我們認為，OpenAGI 聰明的地方在於沒有在通用文本規模上同大廠硬拼，而是抓住了「探索環境自生資料」這一閉環，用較小的體量做出了極高的任務垂直度。但這種模式的隱患在於，真實世界桌面軟體的互動深度遠超網頁，一旦遇到需要深層邏輯判斷或涉及資金安全的敏感操作，純粹靠動作與截圖訓練出來的模型是否能保證足夠嚴密的可靠性，看起來還需要更嚴格的現實檢驗。