चीनी एजेंट InAgent ने OSWorld प्लेटफॉर्म पर 90.2% कार्य पूर्णता दर हासिल की, जिससे यह कंप्यूटर के साथ काम करने वाला पहला एजेंट बन गया जिसने 90% की सीमा को पार किया। इसके अलावा, इसने सिस्टम-स्तरीय कार्यों को 100% सफलता के साथ पूरा किया। यह आर्टिफिशियल इंटेलिजेंस के क्षेत्र में एक नई प्रतिस्पर्धा के मैदान - हार्नेस इंजीनियरिंग - की ओर बदलाव का प्रतीक है।
27 जुलाई को, चीनी एजेंट InAgent ने OSWorld वैश्विक रैंकिंग में 90.2% कार्य सफलता दर के साथ शीर्ष स्थान हासिल किया, जिसमें सामान्य और एजेंट दोनों श्रेणियों में खिताब जीते। इसने Meta, Anthropic और OpenAI द्वारा प्राप्त सर्वश्रेष्ठ सार्वजनिक परिणामों को पीछे छोड़ दिया। OSWorld, जिसे हांगकांग विश्वविद्यालय, कार्नेगी मेलन और वाटरलू विश्वविद्यालय में NeurIPS 2024 सम्मेलन में प्रस्तुत किया गया था, एक मान्यता प्राप्त उद्योग मानक है क्योंकि यह उस सीमा को परिभाषित करता है जिस पर एजेंट प्रायोगिक उपयोग से स्थिर औद्योगिक कार्यान्वयन में परिवर्तित होते हैं।
OSWorld प्लेटफॉर्म वास्तविक Ubuntu वर्चुअल मशीनों में 361 कार्यों का परीक्षण करता है, जिसमें कार्यालय संचालन, प्रोग्रामिंग, यूजर इंटरफ़ेस विकास और सिस्टम प्रशासन शामिल हैं। मूल्यांकन स्वचालित रूप से, बिना किसी मानवीय हस्तक्षेप के किया जाता है। प्रगति की गति ने 2024 में 12.2% से बढ़कर 2025 में 22.0% और 72.6% तक वृद्धि दिखाई, जब पहली बार मानव स्तर को पार किया गया, फिर मई 2026 में 83.6%, और अंत में दो महीने बाद InAgent के लिए 90.2% तक पहुंच गया।
परिणामों का विवरण 93 कार्यों पर 84.7% से 93 कार्यों पर सहयोग के साथ शामिल है, जो दूसरे स्थान से लगभग दस अंक अधिक है; GIMP इंटरफ़ेस प्रोसेसिंग, जहां 26 में से 24 कार्यों को 92.3% सफलता दर के साथ सफलतापूर्वक पूरा किया गया; और सिस्टम-स्तरीय ऑपरेशन, जिन्हें प्रक्रियाओं, एक्सेस अधिकारों और कमांड लाइन के प्रबंधन सहित 24 कार्यों पर 100% आदर्श परिणाम के साथ निष्पादित किया गया।
विशेषज्ञों का मानना है कि सफलता की कुंजी मॉडल के आकार में नहीं, बल्कि हार्नेस इंजीनियरिंग में निहित है। हार्नेस एआई ऑपरेटिंग सिस्टम के रूप में कार्य करता है, यह निर्धारित करता है कि कार्यों को कैसे विघटित किया जाता है, उपकरणों को कैसे बुलाया जाता है और त्रुटियों के बाद कैसे ठीक किया जाता है। उद्योग की समझ प्रॉम्प्ट इंजीनियरिंग से कॉन्टेक्स्ट इंजीनियरिंग और फिर हार्नेस इंजीनियरिंग में स्थानांतरित हो रही है। CITIC सिक्योरिटीज отмечает कि जैसे-जैसे एजेंट जटिल और मल्टी-एजेंट कार्यों की ओर बढ़ते हैं, स्थिति बनाए रखने, त्रुटि प्रसार और टोकन पर लागत बढ़ती जाती है, और एक कदम में मॉडल की शक्ति अब परिणाम की स्थिर डिलीवरी की गारंटी नहीं देती है।
हार्नेस एक मध्यवर्ती परत है जो बुद्धिमत्ता को स्थिर कार्य में बदल देती है, संभावित बाजार को लगभग 200 बिलियन से 1.5 ट्रिलियन अमेरिकी डॉलर तक बढ़ाती है, जिससे एआई को एपीआई का उपयोग किए बिना पुरानी प्रणालियों के प्रबंधन की अनुमति मिलती है। स्टैनफोर्ड और सिंघुआ के शोध से पता चलता है कि हार्नेस के विभिन्न कार्यान्वयन एक ही मॉडल का उपयोग करते हुए प्रदर्शन में 6% से 17% तक का अंतर ला सकते हैं, और कोडिंग कार्यों को हल करने की सफलता दर लगभग 5% से 30% से अधिक तक बढ़ सकती है।
InAgent के डेवलपर, इंटेलिजेंस इंडीड, जो 2018 में स्थापित हुआ था, हार्नेस के क्षेत्र में अग्रणी है। सीईओ सन लिनजून ने उल्लेख किया कि एपीआई के माध्यम से शुद्ध एकीकरण में रखरखाव की अत्यधिक लागत शामिल है: सीमेंस जैसी औद्योगिक प्रणालियों के लिए एक इंटरफ़ेस पर 200,000 युआन तक की आवश्यकता होती है, और दस साल पुरानी प्रणालियों में अक्सर इंटरफ़ेस नहीं होते हैं, और ई-कॉमर्स एपीआई लगातार बदलते रहते हैं। एजेंट किसी भी पक्ष का नहीं होता है: यह वहां इंटरफ़ेस का उपयोग करता है जहां वे मौजूद हैं, और इंटरफ़ेस रहित प्रणालियों में, यह स्क्रीन को देखकर और माउस को नियंत्रित करके मानव क्रियाओं का अनुकरण करने वाले मोड में स्विच करता है।
विनिर्माण क्षेत्र में एक ग्राहक पहले नई प्रणाली को कनेक्ट करने में छह महीने खर्च करता था; अब, एजेंट को उत्पादन डेटा को रिपोर्ट में संकलित करने का निर्देश देकर, वह केवल दस मिनट में परिणाम प्राप्त करता है। कंपनी ने ग्राफिकल यूजर इंटरफ़ेस (GUI) को मुख्य क्षमता के रूप में दांव पर लगाया, इस धारणा पर कि सामान्य कृत्रिम बुद्धिमत्ता (AGI) के लिए मल्टीमॉडल सफलता की आवश्यकता है: केवल मनुष्य की तरह दुनिया को महसूस और संचालित करके, एआई इसे समझ सकता है। हार्नेस एआई को एक समर्थित उपकरण से एक स्वतंत्र सहयोगी में बदल देता है, और OSWorld का परिणाम दिखाता है कि चीनी कंपनियां अग्रणी हैं, क्योंकि एआई क्षेत्र में प्रतिस्पर्धा सरल मॉडल ढेर से इंजीनियरिंग समाधानों की स्थिरता सुनिश्चित करने की ओर स्थानांतरित हो रही है।
आर्टिफिशियल इंटेलिजेंस चीन के नए निर्यात क्षेत्रों में से एक बन गया है, और देश अधिक कुशल, कम लागत वाले और ओपन सोर्स मॉडल विकसित करने के कारण इस दौड़ में आगे है।
एक प्रवृत्ति देखी जा रही है जिसमें अमेरिकी कंपनियां एआई के क्षेत्र में चीनी समाधानों पर स्विच करना शुरू कर रही हैं। इसके अलावा, पूरी दुनिया इसी दिशा में आगे बढ़ रही है।
