OpenGPTDecisioni sui modelli basate su proveCompletamento binario8.3%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 →15 campi identici o completamente privi di dati nascosti
| Sistema Agent | OSWorld Agent · Claude Sonnet 4.6 · Max · Standard | OSWorld Agent · Claude Opus 4.8 · Max · Batched tool |
|---|---|---|
| Configurazione | ||
| Modello di base | Claude Sonnet 4.6 | Claude Opus 4.8 |
| ID o etichetta del modello della fonte | Claude Sonnet 4.6 | Claude Opus 4.8 |
| Strumenti | Strumento standard per l’uso del computer | Strumento di uso del computer raggruppato in batch |
| Esito | ||
| Completamento binario | 8.3% | 20.6% |
| Punteggio parziale | 41.5% | 54.8% |
| Costo di benchmark indicato | 2410 USD | Non pubblicato |
| Fonte | ||
| Apri la fonte | Apri la fonte ↗ | Apri la fonte ↗ |
Configurazione
OSWorld Agent · Claude Sonnet 4.6 · Max · Standard
- Modello di base
- Claude Sonnet 4.6
- ID o etichetta del modello della fonte
- Claude Sonnet 4.6
- Strumenti
- Strumento standard per l’uso del computer
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 · Claude Sonnet 4.6 · Max · Standard
- Completamento binario
- 8.3%
- Punteggio parziale
- 41.5%
- Costo di benchmark indicato
- 2410 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 · Claude Sonnet 4.6 · Max · Standard
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.