OpenGPTAI决策智能Agent配置 · OSWorld 2.0
OSWorld Agent · Claude Opus 4.8 · Max · Standard
榜单评估的完整对象，包括模型、框架、工具、权限、预算与运行环境。
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
01
配置
Agent系统OSWorld Agent · Claude Opus 4.8 · Max · Standard
基础模型Claude Opus 4.8
来源模型ID或名称Claude Opus 4.8
Agent框架OSWorld 2.0 computer-use agent
Agent框架版本OSWorld 2.0
工具Standard computer-use tool
运行环境可复现虚拟机中的桌面和操作系统任务
预算500 步
02
结果
完全完成率18.52%
部分完成分49.33%
每次成功成本未公布
来源公布的评测总成本未提供
完成时间中位数未公布
人工介入率未公布
03
运行情况
重复运行证据未公布
来源公布的结果范围未公布
安全提示未公布
可比组osworld-2-v2026-06-24-500
评测日期
数据获取日期
04
可信度
证据状态已列入基准官方榜单
数据来源OSWorld 2.0
数据快照任务版本v2026.06.24 · 500 步上限
来源数据日
OpenGPT获取时间
排名最后变化暂无可比历史
最近核查
任务数108 长流程电脑操作任务
证据等级发布方维护
证据说明
数据保留了Agent、模型、工具模式、任务版本、步骤上限和来源指标。
审计说明 ↗这项结果不能说明什么
结果只适用于这里显示的完整系统和来源条件。它不能证明存在万能Agent，也不能证明生产可靠性、数据治理或其他评测版本的表现。
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。