OpenGPTDecisioni sui modelli basate su proveCompletamento binario18.2%Costo per attività riuscitaNon pubblicatoIntervallo dei risultati pubblicatiNon pubblicato
Dettagli dell’Agent →Ambito condiviso del benchmark · OSWorld 2.0
Confronto tra agenti sullo stesso benchmark
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.
Completamento binario20.6%Costo per attività riuscitaNon pubblicatoIntervallo dei risultati pubblicatiNon pubblicato
Dettagli dell’Agent →17 campi identici o completamente privi di dati nascosti
| Sistema Agent | OSWorld Agent · Claude Opus 4.7 · Max · Batched tool | OSWorld Agent · Claude Opus 4.8 · Max · Batched tool |
|---|---|---|
| Configurazione | ||
| Modello di base | Claude Opus 4.7 | Claude Opus 4.8 |
| ID o etichetta del modello della fonte | Claude Opus 4.7 | Claude Opus 4.8 |
| Esito | ||
| Completamento binario | 18.2% | 20.6% |
| Punteggio parziale | 48.91% | 54.8% |
| Fonte | ||
| Apri la fonte | Apri la fonte ↗ | Apri la fonte ↗ |
Configurazione
OSWorld Agent · Claude Opus 4.7 · Max · Batched tool
- Modello di base
- Claude Opus 4.7
- ID o etichetta del modello della fonte
- Claude Opus 4.7
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
Esito
OSWorld Agent · Claude Opus 4.7 · Max · Batched tool
- Completamento binario
- 18.2%
- Punteggio parziale
- 48.91%
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- Completamento binario
- 20.6%
- Punteggio parziale
- 54.8%
Fonte
OSWorld Agent · Claude Opus 4.7 · Max · Batched tool
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
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.