OpenGPTDécisions fondées sur des preuves
Rechercher⌘K

Configuration de l’Agent · OSWorld 2.0

OSWorld Agent · Claude Opus 4.8 · Max · Batched tool

L’objet classé : modèle, échafaudage, outils, autorisations, budget et environnement réunis.

Comparer dans ce benchmarkOuvrir la source
Achèvement binaire20.6%
Coût par tâche réussieNon publié
Plage des résultats publiésNon publié

01

Configuration

Système AgentOSWorld Agent · Claude Opus 4.8 · Max · Batched tool
Modèle de baseClaude Opus 4.8
ID ou libellé du modèle sourceClaude Opus 4.8
ÉchafaudageOSWorld 2.0 computer-use agent
Version de l’échafaudageOSWorld 2.0
OutilsBatched computer-use tool
EnvironnementApplications de bureau et processus du système d’exploitation dans des machines virtuelles reproductibles
Budget500 étapes

02

Résultat obtenu

Achèvement binaire20.6%
Score partiel54.8%
Coût par tâche réussieNon publié
Coût de benchmark déclaréNon renseigné
Durée médiane d’achèvementNon publié
Intervention humaineNon publié

03

Opération

Preuves issues d’exécutions répétéesNon publié
Plage des résultats publiésNon publié
Note de sécuritéNon publié
Groupe de comparabilitéosworld-2-v2026-06-24-500
Date de l’évaluation
Données saisies

04

Confiance

PreuvesRépertorié par l’éditeur du benchmark
SourceOSWorld 2.0
Instantané de la sourceVersion de tâche v2026.06.24 · budget de 500 étapes
Date des données sources
Récupéré par OpenGPT
Dernière modification du classementAucun historique comparable pour l’instant
Dernière vérification
Tâches108 processus informatiques de longue durée
Niveau de preuveAvertissement externe
Note sur les preuves

Les lignes conservent l’agent, le modèle, le mode d’outil, la version de tâche, la limite d’étapes et les métriques sources déclarés.

Ouvrir l’audit ↗

Ce que ce résultat ne prouve pas

Ce résultat s’applique au système exact et aux conditions de source indiquées ici. Il n’établit ni le meilleur agent universel, ni la fiabilité en production, ni la gouvernance des données, ni les performances sur une autre version du benchmark.

Comparer ce qui est comparable

Seules les configurations appartenant à la même version du benchmark et au même périmètre de tâches peuvent être réunies dans une comparaison.

OSWorld 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 4.7OSWorld Agent · GPT-5.5 · Xhigh · Batch tool13.0% · GPT-5.5

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. 1

    Choisissez 10 à 20 tâches représentatives et définissez une condition de réussite claire.

  2. 2

    Verrouillez l’agent, le modèle, les outils, les autorisations et le budget avant le test.

  3. 3

    Exécutez chaque tâche importante plusieurs fois ; consignez la réussite, le coût, la durée et les reprises en main.

  4. 4

    Examinez les échecs et les risques liés au traitement des données avant toute décision de production.

← Annuaire et évaluations des Agents