OpenGPTOSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- Outils
- Outil d’utilisation d’ordinateur en lots
Périmètre de benchmark partagé · OSWorld 2.0
Comparaison d’agents au sein du même benchmark
Preuve historiqueLes entrées ci-dessous relèvent du même périmètre de benchmark. Leurs échafaudages, versions de modèles, dates et valeurs sources d’origine exacts restent visibles.
Une valeur source plus élevée indique uniquement de meilleures performances pour ce benchmark et cette configuration. Il ne s’agit ni d’un score comparable entre benchmarks ni d’un indicateur d’aptitude à la production.
Comparer ce qui est comparable
Vue d’ensemble de la décision
Seules les configurations appartenant à la même version du benchmark et au même périmètre de tâches peuvent être réunies dans une comparaison.
Les différences en un regard
OSWorld 2.0 · Achèvement binaire
| Les différences en un regard | OSWorld Agent · Claude Opus 4.8 · Max · Batched tool | OSWorld Agent · Claude Opus 4.8 · Max · Standard |
|---|---|---|
| Points forts |
| — |
| Compromis et limites | — |
|
| Fonctions et coût |
|
|
| Détails de l’Agent → | Détails de l’Agent → |
Toutes les données et sources
18 champs identiques ou entièrement non renseignés masqués
| Système Agent | OSWorld Agent · Claude Opus 4.8 · Max · Batched tool | OSWorld Agent · Claude Opus 4.8 · Max · Standard |
|---|---|---|
| Configuration | ||
| Outils | Outil d’utilisation d’ordinateur en lots | Outil standard d’utilisation d’ordinateur |
| Résultat obtenu | ||
| Achèvement binaire | 20.6% | 18.52% |
| Score partiel | 54.8% | 49.33% |
| Source | ||
| Ouvrir la source | Ouvrir la source ↗ | Ouvrir la source ↗ |
Configuration
OSWorld Agent · Claude Opus 4.8 · Max · Standard
- Outils
- Outil standard d’utilisation d’ordinateur
Résultat obtenu
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- Achèvement binaire
- 20.6%
- Score partiel
- 54.8%
OSWorld Agent · Claude Opus 4.8 · Max · Standard
- Achèvement binaire
- 18.52%
- Score partiel
- 49.33%
Source
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
OSWorld Agent · Claude Opus 4.8 · Max · Standard
Données déclarées par la source ; les valeurs manquantes restent inconnues.
Valider avant l’adoption
Les classements publics permettent d’établir une présélection. Un petit essai privé détermine si la configuration convient à vos tâches.
- 1
Choisissez 10 à 20 tâches représentatives et définissez une condition de réussite claire.
- 2
Verrouillez l’agent, le modèle, les outils, les autorisations et le budget avant le test.
- 3
Exécutez chaque tâche importante plusieurs fois ; consignez la réussite, le coût, la durée et les reprises en main.
- 4
Examinez les échecs et les risques liés au traitement des données avant toute décision de production.