OpenGPTقرارات نماذج مبنية على الأدلة
بحث⌘K
معايير Agent

معيار وكلاء OSWorld 2.0

تُبقي OpenGPT عدد 10 من الصفوف المنشورة مرتبطًا بإصدار المعيار OSWorld 2.0 الدقيق والبيئة الموضحة أدناه.

المهام
108
صفوف منشورة
10
تاريخ بيانات المصدر
تمت مراجعة الهوية
تاريخي

نطاق الأدلة

task version v2026.06.24 · 500-step budget. long-horizon computer workflows. Desktop applications and operating-system workflows في reproducible VMs. 500 steps.

How OpenGPT handles this evidence

تحافظ OpenGPT على مقياس الناشر ونطاق المهمة والبيئة والإصدار وحقول الإعداد وتاريخ المصدر. ولا تنشئ درجة إجمالية للوكلاء عبر معايير مختلفة.

حدود المقارنة

  • تنطبق النتيجة الأعلى فقط على إصدار المعيار والشروط المعروضة.
  • تعكس نتائج Agent النظام الكامل، وليس النموذج الأساسي وحده.
  • تظل بيانات التكلفة أو الموثوقية أو السلامة أو زمن الاستجابة المفقودة غير مُبلّغ عنها بدلًا من استنتاجها.
  • تحافظ الصفوف على نتيجة v2026.06.24 المثبتة بالإصدار بوصفها دليلًا تاريخيًا. ولا يُعاد تصنيفها على أنها حالية لأن إصدار المعيار النشط v2026.08.08 يغيّر دلالات المهام، ولا تتوفر لقطة حالية مطابقة للنتائج.

task version v2026.06.24 · 500-step budget

عرض 10 من أصل 10 من الصفوف المنشورة. تبقى كل نتيجة مرتبطة بمعيار المصدر وإعداده.

  1. OSWorld Agent · Claude Opus 4.8 · Max · Batched toolAnthropic · Claude Opus 4.8#1Binary completion: 20.6%وكيل OSWorld 2.0 لاستخدام الحاسوب
  2. OSWorld Agent · Claude Opus 4.8 · Max · StandardAnthropic · Claude Opus 4.8#2Binary completion: 18.52%وكيل OSWorld 2.0 لاستخدام الحاسوب
  3. OSWorld Agent · Claude Opus 4.7 · Max · Batched toolAnthropic · Claude Opus 4.7#3Binary completion: 18.2%وكيل OSWorld 2.0 لاستخدام الحاسوب
  4. OSWorld Agent · Claude Opus 4.7 · Max · StandardAnthropic · Claude Opus 4.7#4Binary completion: 13.9%وكيل OSWorld 2.0 لاستخدام الحاسوب
  5. OSWorld Agent · GPT-5.5 · Xhigh · Batch toolOpenAI · GPT-5.5#5Binary completion: 13.0%وكيل OSWorld 2.0 لاستخدام الحاسوب
  6. OSWorld Agent · Claude Sonnet 4.6 · Medium · StandardAnthropic · Claude Sonnet 4.6#6Binary completion: 9.3%وكيل OSWorld 2.0 لاستخدام الحاسوب
  7. OSWorld Agent · Claude Sonnet 4.6 · Max · StandardAnthropic · Claude Sonnet 4.6#7Binary completion: 8.3%وكيل OSWorld 2.0 لاستخدام الحاسوب
  8. OSWorld Agent · MiniMax M3 · Enabled · StandardMiniMax · MiniMax M3#8Binary completion: 4.6%وكيل OSWorld 2.0 لاستخدام الحاسوب
  9. OSWorld Agent · Kimi 2.6 · Enabled · StandardMoonshot AI · Kimi 2.6#8Binary completion: 4.6%وكيل OSWorld 2.0 لاستخدام الحاسوب
  10. OSWorld Agent · Qwen 3.7-Plus · Thinking · StandardAlibaba Qwen · Qwen 3.7-Plus#10Binary completion: 2.8%وكيل OSWorld 2.0 لاستخدام الحاسوب