Simular Agent S4 让开源 27B 模型在 OSWorld V2 上超越 GPT-5.5
xwang_lk · x · 2026-10-24
Simular 发布 Agent S4——一个不直接解题、而是专门进化 computer-use agent 工作界面的「agent 科学家」，采用种群进化方式自动生成接口库及使用知识，任务模型的权重与框架完全冻结。
核心结果：
- 进化出的接口让 Qwen3.8-27B 在 OSWorld V2 的 108 个任务上完成 21.3%，为开源 computer-use agent 最高，超过 GPT-5.5 与 Claude Opus 4.8
- 是同一模型使用固定接口的 3.8 倍
- 成本 $1.10/任务，对比 GPT-5.5 的 $25.50 与 Opus 4.8 的 $72.40
动机：人定义的接口限制了 agent——逐格填表格而不会写一行代码、靠截图逐字敲 shell 命令。手动设计接口跟不上任务多样性，学习到的技能也无法扩展接口本身。S4 只改接口库，模型和 harness 不动。
所属事件:Simular Agent S4：开源 27B 模型靠进化界面胜 GPT-5.5(3 条相关)→
「编程与Agent」频道最新
- 独立开发者用 Claude Code 做出三款 Windows 应用并上架微软商店 — raudlaur · 2026-10-24
- 让 Claude 连跑 10 小时自动搭 ComfyUI 工作流：从装模型到调优全自动 — ThatKnarfGuy · 2026-10-24
- Kimi K3.1 对决 GPT-6 Astra：同一 3D agent 任务，成本减半、推理多 16 倍 — GapNew4766 · 2026-10-24
- Proof of Agent 三天涌入 4693 个 AI 智能体「挖矿」，MCP 一行接入 — adamamcbride · 2026-10-24
- 用 Claude Code 做出无需网络的蓝牙通话直播 app，实测蓝牙栈才是真坑 — gautamgpt · 2026-10-24
- Google 开源大象-金鱼模型插件：长程规划会话+无状态评审分离 — rseroter · 2026-10-24