Ambito condiviso del benchmark · OSWorld 2.0

Confronto tra agenti sullo stesso benchmark

Evidenza Storica

Le voci seguenti condividono lo stesso ambito del benchmark. Rimangono visibili gli scaffold esatti, le versioni dei modelli, le date e i valori originali delle fonti.

Un valore di origine più elevato indica soltanto prestazioni migliori per questo benchmark e questa configurazione. Non è un punteggio confrontabile tra benchmark né un indicatore di idoneità alla produzione.

Confronta elementi omogenei

Panoramica della decisione

Soltanto configurazioni della stessa versione del benchmark e dello stesso ambito di attività possono essere inserite in un unico confronto.

Dati riportati dalla fonte; i valori mancanti rimangono sconosciuti.

Differenze a colpo d'occhio

OSWorld 2.0 · Completamento binario

Differenze a colpo d'occhio	OSWorld Agent · GPT-5.5 · Xhigh · Batch tool	OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
Punti di forza	—	Risultato pubblicato superiore: 20.6%
Limiti e compromessi	Risultato pubblicato inferiore: 13.0%	—
Funzioni e costi	Modello di base: GPT-5.5Scaffold: OSWorld 2.0 computer-use agent Costo di benchmark indicato: 2750 USD	Modello di base: Claude Opus 4.8Scaffold: OSWorld 2.0 computer-use agent
	Dettagli dell’Agent →	Dettagli dell’Agent →

Tutti i dati e le fonti

15 campi identici o completamente privi di dati nascosti

Sistema Agent	OSWorld Agent · GPT-5.5 · Xhigh · Batch tool	OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
Configurazione
Modello di base	GPT-5.5	Claude Opus 4.8
ID o etichetta del modello della fonte	GPT-5.5	Claude Opus 4.8
Strumenti	Strumento di uso del computer in batch	Strumento di uso del computer raggruppato in batch
Esito
Completamento binario	13.0%	20.6%
Punteggio parziale	49.5%	54.8%
Costo di benchmark indicato	2750 USD	Non pubblicato
Fonte
Apri la fonte	Apri la fonte ↗	Apri la fonte ↗

Configurazione

OSWorld Agent · GPT-5.5 · Xhigh · Batch tool

Modello di base: GPT-5.5
ID o etichetta del modello della fonte: GPT-5.5
Strumenti: Strumento di uso del computer in batch

OSWorld Agent · Claude Opus 4.8 · Max · Batched tool

Modello di base: Claude Opus 4.8
ID o etichetta del modello della fonte: Claude Opus 4.8
Strumenti: Strumento di uso del computer raggruppato in batch

Esito

OSWorld Agent · GPT-5.5 · Xhigh · Batch tool

Completamento binario: 13.0%
Punteggio parziale: 49.5%
Costo di benchmark indicato: 2750 USD

OSWorld Agent · Claude Opus 4.8 · Max · Batched tool

Completamento binario: 20.6%
Punteggio parziale: 54.8%
Costo di benchmark indicato: Non pubblicato

Fonte

OSWorld Agent · GPT-5.5 · Xhigh · Batch tool

Apri la fonte ↗

OSWorld Agent · Claude Opus 4.8 · Max · Batched tool

Apri la fonte ↗

Dati riportati dalla fonte; i valori mancanti rimangono sconosciuti.

Convalida prima dell’adozione

Le classifiche pubbliche creano una rosa di candidati. Una piccola prova privata determina se la configurazione è adatta al tuo lavoro.

1
Scegli 10–20 attività rappresentative e definisci una chiara condizione di superamento.
2
Fissa Agent, modello, strumenti, autorizzazioni e budget prima del test.
3
Esegui più volte ogni attività importante; registra esito positivo, costo, tempo e interventi umani.
4
Esamina gli errori e i rischi legati alla gestione dei dati prima di una decisione per la produzione.

← Directory e valutazioni degli Agent