OpenGPTAI意思決定インテリジェンス完全達成率9.3%成功1件あたり費用未公開公開された結果範囲未公開
詳細 →共通のベンチマーク範囲 · OSWorld 2.0
同じベンチマークで比較
同じベンチマーク範囲の構成です。スキャフォールド、モデル版、日付、公開元の値をそのまま表示します。
値が高いことは、このベンチマーク条件での結果のみを示します。実運用品質や異なるベンチマークの総合点ではありません。
同じ条件で比較
判断概要
同じベンチマーク版とタスク範囲の構成だけを比較できます。
完全達成率20.6%成功1件あたり費用未公開公開された結果範囲未公開
詳細 →同一または全て未報告の15項目を非表示
| エージェントシステム | OSWorld Agent · Claude Sonnet 4.6 · Medium · Standard | OSWorld Agent · Claude Opus 4.8 · Max · Batched tool |
|---|---|---|
| 構成 | ||
| 基盤モデル | Claude Sonnet 4.6 | Claude Opus 4.8 |
| 公開元のモデルIDまたは表記 | Claude Sonnet 4.6 | Claude Opus 4.8 |
| ツール | Standard computer-use tool | Batched computer-use tool |
| 結果 | ||
| 完全達成率 | 9.3% | 20.6% |
| 部分スコア | 33.9% | 54.8% |
| 公開された総費用 | $1,550 | 未公開 |
| 情報源 | ||
| 情報源を開く | 情報源を開く ↗ | 情報源を開く ↗ |
構成
OSWorld Agent · Claude Sonnet 4.6 · Medium · Standard
- 基盤モデル
- Claude Sonnet 4.6
- 公開元のモデルIDまたは表記
- Claude Sonnet 4.6
- ツール
- Standard computer-use tool
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- 基盤モデル
- Claude Opus 4.8
- 公開元のモデルIDまたは表記
- Claude Opus 4.8
- ツール
- Batched computer-use tool
結果
OSWorld Agent · Claude Sonnet 4.6 · Medium · Standard
- 完全達成率
- 9.3%
- 部分スコア
- 33.9%
- 公開された総費用
- $1,550
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- 完全達成率
- 20.6%
- 部分スコア
- 54.8%
- 公開された総費用
- 未公開
情報源
公開元のデータです。欠損値は不明のまま表示します。
導入前に実務で確認
公開順位は候補選びの出発点です。小規模な非公開試験で適合性を確認します。
- 1
代表的な仕事を10〜20件選び、合格条件を決める。
- 2
Agent、モデル、ツール、権限、予算を固定する。
- 3
重要な仕事は複数回実行し、成功、費用、時間、介入を記録する。
- 4
失敗とデータ取扱いを確認してから導入を決める。