Открытая 27B-модель обошла GPT-5.5 в работе с компьютером. Модель при этом не меняли

21 октября Simular представила Agent S4. Он сам задачи не решает: это «агент-исследователь», который читает траектории рабочего агента и переписывает интерфейсы, через которые тот управляет компьютером. Модель и обвязка остаются прежними, меняется только репозиторий инструментов.

OSWorld V2, 108 задач, доля полностью решённых:
— Qwen3.8-27B со стандартными интерфейсами: 5,56%
— та же модель с выращенным репозиторием: 21,3% при $1,10 за задачу
— Claude Opus 4.8: 20,6% при $72,4 за задачу
— GPT-5.5: 13,0% при $25,5 за задачу

Оговорка: по частичному выполнению Opus 4.8 всё ещё впереди (54,8% против 46,9%). Мета-агент не видит валидационных задач и учится только на синтетических. Код открыт в репозитории Agent S (Apache-2.0, около 12,7 тыс. звёзд).

Источник: https://www.simular.ai/articles/agent-s4-evolving-the-interfaces-computer-use-agents-work-throughagen
Код: https://github.com/simular-ai/agent-s

Следующий большой рывок агентов даст новая модель или интерфейсы вокруг неё?