在桌面任务基准 OSWorld benchmark 的测试中，模型完成任务的成功率约为 75%，略高于该 benchmark 的人类测试基线约 72%。而在职业任务评估 GDPval benchmark 中，模型在 44 种知识型工作任务中约 83% 的评分进入专家区间。
刘年丰：传统的巡检只能“看”，发现问题后还得派人去解决。我们的目标是巡检加操作——巡检到点位后，直接完成操作，比如掏钥匙开柜门、按开关、拔插头。
，这一点在电影中也有详细论述
</span></span>。safew官方版本下载是该领域的重要参考
Варвара Кошечкина (редактор отдела оперативной информации)