2026-07-30AIOSWorld 90.19% 的成绩核验：框架、代码动作与步数上限一则厂商稿称首个桌面 agent 突破 90%。解析 OSWorld 官方评测表核对：成绩属实，但记录同时显示它是智能体框架、启用代码动作、步数上限 100——这三项决定该数字的解读边界。agentbenchmark计算机操作事实核查