OpenGPTEvidenzbasierte ModellentscheidungenAgenten-Benchmarks
OSWorld 2.0 Agenten-Benchmark
OpenGPT hält 10 veröffentlichte Zeilen mit der unten gezeigten exakten Benchmark-Version OSWorld 2.0 und Umgebung verknüpft.
- Aufgaben
- 108
- Veröffentlichte Zeilen
- 10
- Datum der Quelldaten
- Identität geprüft
- Historisch
Nachweisumfang
task version v2026.06.24 · 500-step budget. long-horizon computer workflows. Desktop applications and operating-system workflows in reproducible VMs. 500 steps.
How OpenGPT handles this evidence
OpenGPT bewahrt Kennzahl, Aufgabenumfang, Umgebung, Version, Konfigurationsfelder und Quelldatum des Herausgebers. Es erstellt keine Benchmark-übergreifende Agent-Gesamtpunktzahl.
Vergleichsgrenzen
- Ein höheres Ergebnis gilt nur für die angezeigte Benchmark-Version und die entsprechenden Bedingungen.
- Die Ergebnisse der Agenten spiegeln das Gesamtsystem wider, nicht nur das Basismodell.
- Fehlende Daten zu Kosten, Zuverlässigkeit, Sicherheit oder Latenz werden weiterhin als nicht gemeldet ausgewiesen und nicht abgeleitet.
- Die Zeilen bewahren das an Version v2026.06.24 gebundene Ergebnis als historische Evidenz. Es wird nicht als aktuell neu gekennzeichnet, da die aktive Benchmark-Version v2026.08.08 die Aufgabensemantik ändert und kein passender aktueller Ergebnissnapshot verfügbar ist.
task version v2026.06.24 · 500-step budget
10 von 10 veröffentlichten Zeilen werden angezeigt. Jedes Ergebnis bleibt mit dem Quellbenchmark und der Konfiguration verknüpft.
- OSWorld Agent · Claude Opus 4.8 · Max · Batched toolAnthropic · Claude Opus 4.8#1Binary completion: 20.6%OSWorld 2.0 Agent für Computernutzung
- OSWorld Agent · Claude Opus 4.8 · Max · StandardAnthropic · Claude Opus 4.8#2Binary completion: 18.52%OSWorld 2.0 Agent für Computernutzung
- OSWorld Agent · Claude Opus 4.7 · Max · Batched toolAnthropic · Claude Opus 4.7#3Binary completion: 18.2%OSWorld 2.0 Agent für Computernutzung
- OSWorld Agent · Claude Opus 4.7 · Max · StandardAnthropic · Claude Opus 4.7#4Binary completion: 13.9%OSWorld 2.0 Agent für Computernutzung
- OSWorld Agent · GPT-5.5 · Xhigh · Batch toolOpenAI · GPT-5.5#5Binary completion: 13.0%OSWorld 2.0 Agent für Computernutzung
- OSWorld Agent · Claude Sonnet 4.6 · Medium · StandardAnthropic · Claude Sonnet 4.6#6Binary completion: 9.3%OSWorld 2.0 Agent für Computernutzung
- OSWorld Agent · Claude Sonnet 4.6 · Max · StandardAnthropic · Claude Sonnet 4.6#7Binary completion: 8.3%OSWorld 2.0 Agent für Computernutzung
- OSWorld Agent · MiniMax M3 · Enabled · StandardMiniMax · MiniMax M3#8Binary completion: 4.6%OSWorld 2.0 Agent für Computernutzung
- OSWorld Agent · Kimi 2.6 · Enabled · StandardMoonshot AI · Kimi 2.6#8Binary completion: 4.6%OSWorld 2.0 Agent für Computernutzung
- OSWorld Agent · Qwen 3.7-Plus · Thinking · StandardAlibaba Qwen · Qwen 3.7-Plus#10Binary completion: 2.8%OSWorld 2.0 Agent für Computernutzung