OpenGPTModelkeuzes op basis van bewijs
Zoeken⌘K

Agentconfiguratie · OSWorld 2.0

OSWorld Agent · Claude Opus 4.7 · Max · Batched tool

Het gerangschikte object: model, scaffold, hulpmiddelen, rechten, budget en omgeving samen.

Vergelijken in deze benchmarkBron openen
Binaire voltooiing18.2%
Kosten per geslaagde taakNiet gepubliceerd
Bereik van gepubliceerde resultatenNiet gepubliceerd

01

Configuratie

AgentsysteemOSWorld Agent · Claude Opus 4.7 · Max · Batched tool
BasismodelClaude Opus 4.7
Model-ID of label uit bronClaude Opus 4.7
ScaffoldOSWorld 2.0 computer-use agent
ScaffoldversieOSWorld 2.0
HulpmiddelenBatched computer-use tool
OmgevingDesktop- en besturingssysteemworkflows in reproduceerbare virtuele machines
Budget500 stappen

02

Resultaat

Binaire voltooiing18.2%
Gedeeltelijke score48.91%
Kosten per geslaagde taakNiet gepubliceerd
Gerapporteerde benchmarkkostenNiet gerapporteerd
Mediane voltooiingstijdNiet gepubliceerd
Menselijke tussenkomstNiet gepubliceerd

03

Werking

Bewijs uit herhaalde uitvoeringenNiet gepubliceerd
Bereik van gepubliceerde resultatenNiet gepubliceerd
VeiligheidsnotitieNiet gepubliceerd
Vergelijkbaarheidsgroeposworld-2-v2026-06-24-500
Evaluatiedatum
Gegevens vastgelegd

04

Vertrouwen

BewijsVermeld door de benchmarkuitgever
BronOSWorld 2.0
BronmomentopnameTaakversie v2026.06.24 · budget van 500 stappen
Datum van brongegevens
Opgehaald door OpenGPT
Rangschikking laatst gewijzigdNog geen vergelijkbare geschiedenis
Laatst gecontroleerd
Taken108 langdurige computerworkflows
BewijsniveauExterne waarschuwing
Bewijsnotitie

Rijen behouden de gerapporteerde agent, het model, de toolmodus, taakversie, staplimiet en bronmeetwaarden.

Audit openen ↗

Wat dit resultaat niet bewijst

Dit resultaat geldt voor het exacte systeem en de hier getoonde bronvoorwaarden. Het stelt geen universeel beste agent, productiebetrouwbaarheid, gegevensgovernance van prestaties op een andere benchmarkversie vast.

Vergelijk vergelijkbare zaken

Alleen configuraties uit dezelfde benchmarkversie en hetzelfde taakbereik kunnen in één vergelijking worden geplaatst.

OSWorld Agent · Claude Opus 4.8 · Max · Batched tool20.6% · Claude Opus 4.8OSWorld Agent · Claude Opus 4.8 · Max · Standard18.52% · Claude Opus 4.8OSWorld Agent · Claude Opus 4.7 · Max · Standard13.9% · Claude Opus 4.7OSWorld Agent · GPT-5.5 · Xhigh · Batch tool13.0% · GPT-5.5

Door bron gerapporteerde gegevens; ontbrekende waarden blijven onbekend.

Valideren vóór ingebruikname

Openbare ranglijsten leveren een shortlist op. Een kleine privéproef bepaalt van de configuratie bij uw werk past.

  1. 1

    Kies 10–20 representatieve taken en definieer een duidelijke slaagvoorwaarde.

  2. 2

    Vergrendel de agent, het model, de hulpmiddelen, rechten en het budget voordat u test.

  3. 3

    Voer elke belangrijke taak meerdere keren uit; leg succes, kosten, tijd en overnames vast.

  4. 4

    Beoordeel fouten en risico's bij gegevensverwerking vóór een productiebeslissing.

← Agentoverzicht en -evaluaties