实在智能包揽ScreenSpot-Pro全球冠亚军，GUI定位能力超越微软、OpenAI、Claude、Qwen

32B模型82.7%全球第一，8B模型81%同参数量级第一，企业级智能体“又强又省”落地路径跑通

2026年9月9日，全球公认最严苛的GUI定位基准ScreenSpot-Pro榜单更新。实在智能自研Indeed-UI-32B以82.7%的任务成功率登顶全球第一，Indeed-UI-8B以81%的成绩位列全球第二、同参数量级模型第一。两个模型包揽全球冠亚军，超越微软、OpenAI、Claude、Qwen等全球最强模型。

这不是一场内部比赛。GPT、Claude、Gemini、Qwen……全球最强模型都在榜上。而实在智能，包揽了冠亚军。

但比起排名，更值得认真聊的是：这件事，对企业到底有什么用。

📊 图表｜ScreenSpot-Pro关键数据一览

01 难度：全球GUI定位的“金标准”，一年从不到20%推到82.7%

ScreenSpot-Pro由新加坡国立大学、华东师范大学、香港浸会大学等高校联合研究团队提出，相关论文已被 ACM Multimedia 2025（CCF A类会议） 正式收录。

它考察的核心问题很简单： AI能不能像人一样，在复杂的软件界面中，精准找到并定位到该点击的按钮、菜单或输入框？

打个比方，如果说“在Photoshop中批量导出多张设计稿”是一项完整任务，那ScreenSpot-Pro考的就是——模型能不能准确找到那个“导出图层”的按钮在哪里。

它的测试难度极高：

• 整屏、高分辨率的真实专业软件截图

• 覆盖 26款 真实专业应用，横跨开发、创意、CAD、科学、办公 5大类

• 覆盖 Windows、macOS、Linux 三大操作系统

• 1581条 测试指令，全部由 资深专业人士 标注

• 同榜竞品：微软GUI-Actor、GPT-5、Claude、Qwen等全球主流模型

2025年基准发布时，全球最好的模型GPT-5、Claude、Qwen也只有 不到20% 任务成功率。一年后，实在智能把分数推到了 82.7% 。

一句话： 这不是我们自己办的考试，是新加坡国立大学、香港浸会大学出的卷子，全球最强模型一起考。ACM MM顶会收录，含金量不需要自证。

02 价值：从“大厂专属”到“万元工作站”，企业级AI门槛被拉低

包揽冠亚军的意义，不止于榜单排名。更关键的是，它回答了一个企业级AI落地的核心问题： 能力很强，但企业用得起、用得好吗？

如果32B模型是证明技术深度的“F1赛车”，那Indeed-UI-8B就是真正能让每家企业开回家的“家用轿车”。

过去 ，要上一套能真正看懂复杂界面的AI，动辄需要采购几十万的GPU集群才能跑得动大模型。 现在 ，在屏幕定位这一核心能力上，一台 万元级工作站 就能达到可用的效果。部署门槛从“只有大厂玩得起”降到了“普通企业换台电脑就能试”。

更关键的是：数据不出企业内网。

与闭源API方案相比，8B模型可以 完全本地部署 ，从根源上解决数据安全与合规问题。财务数据、客户信息、生产排产表，全部留在你自己的服务器上，不用送给任何第三方。

在ScreenSpot-Pro办公软件场景下，Indeed-UI-8B的实测表现，超过或持平多个更大参数量的开源模型。 别人需要顶配服务器才能跑的精度，我们用一台万元级工作站就能达到。

当小模型也能精准完成复杂界面定位时，AI才真正具备大规模进入企业系统的条件。这正是实在智能大小模型同步领先的核心价值： 不是让企业选“最强”还是“最省”，而是让“又强又省”成为现实。

03 落地：看得准是入场券，能落地才是真本事

ScreenSpot-Pro登顶，证明的是AI“看得准”的能力。但在企业真实场景中，“看得准”只是起点。

以制造业为例，一张客户订单从接单到最终回款，完整链路要连续穿越 七八套甚至十几套业务系统 ：

CRM 接收客户订单 → OMS 完成订单拆解 → APS 做生产排产 → MES 落地车间执行 → WMS 负责仓库出入库 → SRM 对接供应商物料 → ERP 完成成本核算 → 财务系统 完成对账回款。

这其中有大量系统是 CS架构的封闭软件 ——没有开放API，没有标准化接口，甚至没有文档。

遇到这种场景，市面上绝大多数AI Agent只能望而却步。它们能聊天、能写文案，但面对一个20年前的MES系统界面，连第一个按钮都点不准。

为了打通这条“断头路”，实在智能花了8年磨了一套 Harness工程底座 。不需要记住ISSUT、CUA这些拗口的技术名词，只需要记住它的三个“不要”：

1. 不要API接口。 你的老CS软件没接口？没关系，AI直接模拟鼠标键盘去操作，像人一样“硬控”界面。不管是新的BS网页，还是几十年前的客户端，都能看懂、都能操作。

2. 不要人工盯着。 遇到弹窗报错、页面改版、接口限流，它会自动重试、自主切换兜底路径，不会一卡就死给你看。超长复杂任务，AI自己循环纠错，保障整条生产链路稳定跑通。

3. 不要数据出网。 整套体系支持完全本地部署，屏幕语义理解、操作执行全部在内网完成，审计合规一次过。

这套体系，才是82.7%榜单成绩背后的真正护城河—— 精准的GUI定位能力让AI点得准第一个按钮，Harness工程底座则让AI从第一个按钮出发，一路跑通十几套系统的全链路闭环。

如果ScreenSpot-Pro考的是“看得准”，那OSWorld考的就是“做得完”。此前，实在智能已在OSWorld上取得 全球第一 。两个榜单，一个指向GUI定位，一个指向端到端任务执行，都是国际公认的权威评测。

接连登顶，说明实在智能在AI操作电脑的核心链路上，已经形成 从感知到执行的体系化能力 ——不是单点冒尖，而是整条链路都跑通了。

04 战略：不卷参数，卷落地

与闭源API方案相比，差异清晰可见：

别人卷参数，我们卷落地。

8B模型是“能让每家企业开回家的家用轿车”，比32B的“F1赛车”更有传播力——降低门槛、数据安全、够用好用。而制造业全链路场景，七八套到十几套系统打通，正是最能体现差异化的行业案例。

05 登顶是起点，企业价值是终点

82.7%的全球第一，是实在智能在GUI Grounding这一核心能力上的阶段性成果。接下来，Indeed-UI系列模型将持续迭代优化，在图标定位、复杂嵌套界面、跨分辨率场景等高难度方向上持续突破。

对企业来说，榜单分数的每一次提升，都意味着AI在真实业务中少犯一次错、少兜一次底、少一次人工干预。这些进步将直接转化为企业的 三重价值 ：

更低的部署门槛。 随着模型精度提升，8B级别模型将能够覆盖更多复杂场景。万元级工作站跑通核心自动化，不再是概念，而是正在发生的现实。中小企业也能用得起、用得好。

更高的业务自主率。 定位精度越高，AI能自主完成的操作比例就越大。当模型从“大部分能做、关键步骤需人兜底”进化到“全链路自主跑通”，企业才能真正实现从“AI辅助”到“AI主导”的跨越。

更强的跨场景泛化。 ScreenSpot-Pro覆盖26款专业软件、三大操作系统。模型在这些高难度场景上的持续进步，意味着面对企业内部更加多样、更加老旧、更加非标的业务系统时，AI同样能精准操作、稳定运行。

从OSWorld全球第一到ScreenSpot-Pro包揽冠亚军，我们的目标从来不是榜单排名，而是让每一家企业都能拥有一支 “看得准、做得稳、跑得通” 的数字员工军团，让AI自动化成为企业基础设施的能力。

全球第一+第二，都是实在智能。
小模型同样领先。
万元级工作站可用。
数据不出内网。
无API老旧系统也能操作。
长链路自主纠错。

别人卷参数，我们卷落地。