OpenGPTAI决策智能完全完成率20.6%每次成功成本未公布来源公布的结果范围未公布
Agent详情 →共同评测范围 · OSWorld 2.0
同评测Agent对比
以下配置来自同一个评测范围，并保留各自的框架、模型版本、日期和来源原始值。
来源值较高只代表这个评测和配置下的结果，不是跨评测总分，也不代表已经适合生产使用。
只比较相同范围
决策概览
只有评测版本和任务范围一致的配置，才能加入同一组对比。
完全完成率18.52%每次成功成本未公布来源公布的结果范围未公布
Agent详情 →已隐藏18项完全相同或全部未提供的字段
| Agent系统 | OSWorld Agent · Claude Opus 4.8 · Max · Batched tool | OSWorld Agent · Claude Opus 4.8 · Max · Standard |
|---|---|---|
| 配置 | ||
| 工具 | Batched computer-use tool | Standard computer-use tool |
| 结果 | ||
| 完全完成率 | 20.6% | 18.52% |
| 部分完成分 | 54.8% | 49.33% |
| 数据来源 | ||
| 打开来源 | 打开来源 ↗ | 打开来源 ↗ |
配置
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- 工具
- Batched computer-use tool
OSWorld Agent · Claude Opus 4.8 · Max · Standard
- 工具
- Standard computer-use tool
结果
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- 完全完成率
- 20.6%
- 部分完成分
- 54.8%
OSWorld Agent · Claude Opus 4.8 · Max · Standard
- 完全完成率
- 18.52%
- 部分完成分
- 49.33%
数据来源
数据来自公开来源，缺失项保持未知。
采用前做一次真实验证
公开榜单用于缩小候选范围，是否适合你的工作，需要通过小规模私有测试确认。
- 1
选择 10–20 个代表性任务，并写清通过条件。
- 2
测试前锁定Agent、模型、工具、权限和预算。
- 3
重要任务重复运行，记录成功率、成本、时间和人工接管。
- 4
检查失败案例和数据风险后，再决定是否正式采用。