OpenGPTقرارات نماذج مبنية على الأدلةإكمال ثنائي18.52%التكلفة لكل مهمة ناجحةغير منشورنطاق النتائج المنشورةغير منشور
تفاصيل Agent →نطاق معياري مشترك · OSWorld 2.0
مقارنة الوكلاء ضمن المعيار نفسه
تشترك الإدخالات أدناه في نطاق المعيار المرجعي نفسه. وتظل بنياتها التوجيهية الدقيقة وإصدارات نماذجها وتواريخها وقيم المصدر الأصلية ظاهرة.
تعني قيمة المصدر الأعلى أداءً أفضل في هذا المعيار والتكوين فقط. وليست درجة عابرة للمعايير أو مؤشرًا للجاهزية للإنتاج.
قارن المتماثل بالمتماثل
نظرة عامة على القرار
لا يمكن وضع إعدادات في مقارنة واحدة إلا إذا كانت من إصدار المعيار ونطاق المهمة نفسيهما.
إكمال ثنائي20.6%التكلفة لكل مهمة ناجحةغير منشورنطاق النتائج المنشورةغير منشور
تفاصيل Agent →أُخفي 18 من الحقول المتطابقة أو غير المُبلّغ عنها بالكامل
| نظام Agent | OSWorld Agent · Claude Opus 4.8 · Max · Standard | OSWorld Agent · Claude Opus 4.8 · Max · Batched tool |
|---|---|---|
| الإعداد | ||
| أدوات | أداة قياسية لاستخدام الحاسوب | أداة مجمّعة لاستخدام الحاسوب |
| النتيجة | ||
| إكمال ثنائي | 18.52% | 20.6% |
| درجة جزئية | 49.33% | 54.8% |
| المصدر | ||
| فتح المصدر | فتح المصدر ↗ | فتح المصدر ↗ |
الإعداد
OSWorld Agent · Claude Opus 4.8 · Max · Standard
- أدوات
- أداة قياسية لاستخدام الحاسوب
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- أدوات
- أداة مجمّعة لاستخدام الحاسوب
النتيجة
OSWorld Agent · Claude Opus 4.8 · Max · Standard
- إكمال ثنائي
- 18.52%
- درجة جزئية
- 49.33%
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- إكمال ثنائي
- 20.6%
- درجة جزئية
- 54.8%
المصدر
OSWorld Agent · Claude Opus 4.8 · Max · Standard
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
بيانات أبلغ عنها المصدر؛ تبقى القيم المفقودة مجهولة.
تحقّق قبل الاعتماد
تنشئ التصنيفات العامة قائمة مختصرة. وتحدد تجربة خاصة صغيرة ما إذا كان الإعداد يلائم عملك.
- 1
اختر من 10 إلى 20 مهمة تمثيلية وحدد شرط اجتياز واضحًا.
- 2
ثبّت الوكيل والنموذج والأدوات والأذونات والميزانية قبل الاختبار.
- 3
نفّذ كل مهمة مهمة أكثر من مرة؛ وسجّل النجاح والتكلفة والوقت وحالات تولي الإنسان للمهمة.
- 4
راجع الإخفاقات ومخاطر معالجة البيانات قبل اتخاذ قرار بشأن بيئة الإنتاج.