腾讯图表展示 Hy4 在 OSWorld 2.1 评测拿到 78.9 分

腾讯放出的对比图表显示，Hy4 这个智能体模型在 OSWorld 2.1 基准测试当中取得 78.9 分，OSWorld 2.1 是专门用来评测 AI 智能体在操作系统里完成复杂桌面任务的基准，任务包含打开软件、操作窗口、文件管理、网页操作、多步骤连贯操作，分数越高代表模型自主操作电脑、完成复杂桌面任务的能力越强，78.9 这个分数在 OSWorld 2.1 榜单里属于靠前水平，腾讯这份图表同时还附带了其他主流智能体模型的分数对照，方便大家横向对比能力差异，不过该分数是在 OSWorld 2.1 固定评测规则下测出的，换别的评测集、真实复杂桌面场景，表现不一定完全一致。

OSWorld 2.1 与 Hy4 基础信息清单

1. 评测基准：OSWorld 2.1，桌面操作系统智能体评测基准
2. 被测模型：Hy4
3. 评测得分：78.9 分
4. 评测内容：在桌面系统中自主感知界面、点击、输入、多步骤完成任务
5. 信息载体：腾讯发布的对比图表

OSWorld 2.1 常见任务类型

• 文件操作：新建、移动、重命名、解压文件
• 软件操作：启动程序、调整设置、导出文档
• 浏览器任务：搜索信息、填写表单、下载资源
• 跨软件串联任务：多软件配合完成一整条工作流

复现 OSWorld 2.1 评测的大致步骤

• 第一步：获取 OSWorld 2.1 评测环境、任务集和评测脚本
• 第二步：部署 Hy4 模型，配置界面感知、动作输出相关模块
• 第三步：加载评测任务，让模型在沙盒桌面环境自动执行任务
• 第四步：按照官方评分规则统计任务完成率，计算最终得分
• 第五步：和腾讯图表里 Hy4 在 OSWorld 2.1 的 78.9 分做对照验证

【相关 FAQ 】

问题 1：腾讯图表显示 Hy4 在 OSWorld 2.1 得 78.9 分，OSWorld 2.1 是测什么的基准？

回答 1：腾讯图表显示 Hy4 在 OSWorld 2.1 得 78.9 分，OSWorld 2.1 是桌面操作系统智能体评测基准，用来测试 AI 自主操作电脑界面、完成多步骤桌面任务的能力。

问题 2：腾讯图表显示 Hy4 在 OSWorld 2.1 得 78.9 分，是不是代表 Hy4 所有桌面任务都能稳定做好？

回答 2：腾讯图表显示 Hy4 在 OSWorld 2.1 得 78.9 分，这个分数只代表在 OSWorld 2.1 固定评测任务上的表现，真实环境里的非常规、复杂任务，Hy4 不一定能稳定完成。

问题 3：腾讯图表显示 Hy4 在 OSWorld 2.1 得 78.9 分，这个分数在榜单里是什么水平？

回答 3：腾讯图表显示 Hy4 在 OSWorld 2.1 得 78.9 分，从腾讯放出的对比图表来看，该分数在 OSWorld 2.1 的智能体榜单中处于靠前梯队，优于不少同期公开的桌面智能体。

【参考资料】

[2026-11-05]（腾讯图表显示 Hy4 在 OSWorld 2.1 得 78.9 分）腾讯 AI 实验室官方动态

[2026-11-05]（Hy4 OSWorld 2.1 分数 78.9，桌面智能体榜单更新）机器之心

[2026-11-05]（OSWorld 2.1 基准介绍，腾讯 Hy4 评测数据放出）InfoQ

【免责声明】

本内容仅为腾讯图表中 Hy4 在 OSWorld 2.1 取得 78.9 分这条资讯的整理，评测环境、打分细则、模型版本以腾讯官方和 OSWorld 项目组说明为准；单一项基准分数不能代表模型综合能力，不构成选型、采购建议。