OpenGPT
Suchen⌘K

Agentenkonfiguration · OSWorld 2.0

OSWorld Agent · MiniMax M3 · Enabled · Standard

Historische Nachweise

Das eingeordnete Objekt: Modell, Gerüst, Tools, Berechtigungen, Budget und Umgebung als Einheit.

In diesem Benchmark vergleichenQuelle öffnen
Binäre Aufgabenerfüllung4.6%
Kosten pro erfolgreich erledigter AufgabeNicht veröffentlicht
Veröffentlichte ErgebnisspanneNicht veröffentlicht

01

Konfiguration

AgentensystemOSWorld Agent · MiniMax M3 · Enabled · Standard
BasismodellMiniMax M3
Quellmodell-ID oder -bezeichnungMiniMax M3
AgentengerüstOSWorld 2.0 computer-use agent
Scaffold-VersionOSWorld 2.0
WerkzeugeStandard computer-use tool
UmgebungDesktop- und Betriebssystemabläufe in reproduzierbaren virtuellen Maschinen
Budget500 Schritte

02

Ergebnis

Binäre Aufgabenerfüllung4.6%
Teilpunktzahl22.3%
Kosten pro erfolgreich erledigter AufgabeNicht veröffentlicht
Gemeldete Benchmark-Kosten258,78 $
Mediane AbschlusszeitNicht veröffentlicht
Menschliches EingreifenNicht veröffentlicht

03

Vorgang

Evidenz aus wiederholten DurchläufenNicht veröffentlicht
Veröffentlichte ErgebnisspanneNicht veröffentlicht
SicherheitshinweisNicht veröffentlicht
Vergleichbarkeitsgruppeosworld-2-v2026-06-24-500
Bewertungsdatum
Daten erfasst

04

Vertrauen

NachweisVom Benchmark-Herausgeber gelistet
QuelleOSWorld 2.0
QuellsnapshotAufgabenversion v2026.06.24 · Budget von 500 Schritten
Datum der Quelldaten
Von OpenGPT abgerufen
Letzte RankingänderungNoch kein vergleichbarer Verlauf
Zuletzt geprüft
Aufgaben108 langfristige Computer-Arbeitsabläufe
NachweisstufeExterner Warnhinweis
Nachweishinweis

Die Zeilen bewahren die gemeldeten Angaben zu Agent, Modell, Tool-Modus, Aufgabenversion, Schrittlimit und Quellmetriken.

Audit öffnen ↗

Was dieses Ergebnis nicht nachweist

Dieses Ergebnis gilt für das hier gezeigte exakte System und die angegebenen Quellbedingungen. Es weist weder einen universell besten Agenten noch Produktionstauglichkeit, Daten-Governance oder Leistung mit einer anderen Benchmark-Version nach.

Gleiches mit Gleichem vergleichen

Nur Konfigurationen derselben Benchmark-Version und desselben Aufgabenumfangs können in einem Vergleich gegenübergestellt werden.

OSWorld Agent · Claude Opus 4.8 · Max · Batched tool20.6% · Claude Opus 4.8OSWorld Agent · Claude Opus 4.8 · Max · Standard18.52% · Claude Opus 4.8OSWorld Agent · Claude Opus 4.7 · Max · Batched tool18.2% · Claude Opus 4.7OSWorld Agent · Claude Opus 4.7 · Max · Standard13.9% · Claude Opus 4.7

Von der Quelle gemeldete Daten; fehlende Werte bleiben unbekannt.

Vor der Einführung validieren

Öffentliche Rankings erstellen eine Vorauswahl. Ein kleiner privater Test zeigt, ob die Konfiguration zu Ihrer Arbeit passt.

  1. 1

    Wählen Sie 10–20 repräsentative Aufgaben und definieren Sie eine klare Bestehensbedingung.

  2. 2

    Legen Sie Agent, Modell, Tools, Berechtigungen und Budget vor dem Test fest.

  3. 3

    Führen Sie jede wichtige Aufgabe mehrmals aus; erfassen Sie Erfolg, Kosten, Zeit und menschliche Übernahmen.

  4. 4

    Fehler und Risiken bei der Datenverarbeitung vor einer Produktionsentscheidung prüfen.

← Agentenverzeichnis und -bewertungen