Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

OSWorld

OSWorld es un benchmark para agentes de computer use que ejecuta sistemas operativos reales como Ubuntu, Windows y macOS y puntúa a los agentes en 369 tareas abiertas con aplicaciones web y de escritorio, comprobadas mediante scripts.

También llamado: OSWorld-Verified

Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas

Un agente de computer use controla un ordenador como lo haría una persona: mira la pantalla, mueve el ratón, hace clic y escribe. OSWorld, publicado en 2024, prueba estos agentes en máquinas virtuales reales y no en una maqueta simplificada.

Cómo funciona

El benchmark tiene 369 tareas tomadas del uso real. Implican aplicaciones web y de escritorio, manejo de archivos y flujos de trabajo que abarcan varias aplicaciones. Cada tarea tiene una configuración inicial que pone la máquina en un estado de partida conocido y un script propio que comprueba el resultado final. Como la calificación mira lo que realmente cambió en la máquina, un agente no puede aprobar describiendo los pasos correctos; tiene que ejecutarlos.

Qué mostraron los resultados

En el lanzamiento, las personas completaron más del 72,36% de las tareas, mientras que el mejor modelo logró el 12,24%. Los autores vieron que a los agentes les costaba sobre todo el GUI grounding, es decir, averiguar sobre qué elemento de la pantalla actuar, y saber cómo funcionan las aplicaciones. Las cifras del lanzamiento envejecen rápido, así que consulta el leaderboard actual.

Cómo usar las puntuaciones

Los resultados de OSWorld dependen del modelo y de cómo está construido el agente: las capturas que ve, las herramientas que tiene y cuántos pasos puede dar. Compara casos equivalentes. Para agentes que solo trabajan en una página web, consulta agentes de navegador. Muchos agentes de computer use se basan en modelos de visión y lenguaje, así que OSWorld también pone a prueba la comprensión visual. Ejecuta cualquier agente de IA de este tipo en un entorno aislado, porque actúa sobre un sistema real.

Términos relacionados

Uso del ordenador
El uso del ordenador (computer use) es la capacidad de un modelo de IA para manejar un ordenador como lo hace una persona, mirando capturas de pantalla y enviando clics de ratón y pulsaciones de teclado, de modo que puede trabajar con software que no tiene API.
Agente de navegador
Un agente de navegador (browser agent) es un agente de IA que controla un navegador web para completar tareas, como buscar, hacer clic, rellenar formularios y leer páginas, a menudo con un navegador headless sin ventana visible.
Benchmark de IA
Un benchmark de IA (prueba de referencia) es un conjunto fijo y público de tareas con un método de puntuación acordado, que se usa para comparar modelos en la misma prueba, por ejemplo incidencias de código resueltas, preguntas de examen respondidas o calidad de recuperación en muchos conjuntos de datos.
Modelo de visión y lenguaje
Un modelo de visión y lenguaje (VLM, vision-language model) es un modelo que recibe imágenes y texto como entrada y produce texto, de modo que puede describir imágenes, responder preguntas sobre ellas, leer documentos y extraer datos de capturas de pantalla.
Agente de IA
Un agente de IA es un sistema en el que un modelo de lenguaje decide sus propios pasos siguientes: llama a herramientas, lee los resultados y repite hasta terminar la tarea, en lugar de seguir un guion fijo.

Fuentes