OpenGPTAI決策工作區Agent評測
OSWorld 2.0 Agent評測
OpenGPT將10筆公開記錄保留在下方所示的OSWorld 2.0 評測版本與環境內。
- 工作
- 108
- 公開記錄
- 10
- 來源資料日期
- 身分核驗日期
- 歷史記錄
資料範圍
task version v2026.06.24 · 500-step budget. long-horizon computer workflows. Desktop applications and operating-system workflows in reproducible VMs. 500 steps.
OpenGPT如何處理這些資料
OpenGPT保留發布方的指標、工作範圍、環境、版本、設定欄位與資料日期，不產生跨評測Agent總分。
可比範圍
- 更高結果只適用於所展示的評測版本與條件。
- Agent結果反映完整系統，而不是基礎模型單獨能力。
- 成本、穩定性、安全性或速度沒有公開時保持未報告，不進行推測。
- Rows preserve the version-pinned v2026.06.24 result as historical evidence. They are not relabeled as current because the active v2026.08.08 benchmark release changes task semantics and no matching current result snapshot is available.
task version v2026.06.24 · 500-step budget
展示10筆公開記錄中的10筆；每項結果都保留來源評測與設定。
- OSWorld Agent · Claude Opus 4.8 · Max · Batched toolAnthropic · Claude Opus 4.8#1Binary completion: 20.6%OSWorld 2.0 computer-use agent
- OSWorld Agent · Claude Opus 4.8 · Max · StandardAnthropic · Claude Opus 4.8#2Binary completion: 18.52%OSWorld 2.0 computer-use agent
- OSWorld Agent · Claude Opus 4.7 · Max · Batched toolAnthropic · Claude Opus 4.7#3Binary completion: 18.2%OSWorld 2.0 computer-use agent
- OSWorld Agent · Claude Opus 4.7 · Max · StandardAnthropic · Claude Opus 4.7#4Binary completion: 13.9%OSWorld 2.0 computer-use agent
- OSWorld Agent · GPT-5.5 · Xhigh · Batch toolOpenAI · GPT-5.5#5Binary completion: 13.0%OSWorld 2.0 computer-use agent
- OSWorld Agent · Claude Sonnet 4.6 · Medium · StandardAnthropic · Claude Sonnet 4.6#6Binary completion: 9.3%OSWorld 2.0 computer-use agent
- OSWorld Agent · Claude Sonnet 4.6 · Max · StandardAnthropic · Claude Sonnet 4.6#7Binary completion: 8.3%OSWorld 2.0 computer-use agent
- OSWorld Agent · MiniMax M3 · Enabled · StandardMiniMax · MiniMax M3#8Binary completion: 4.6%OSWorld 2.0 computer-use agent
- OSWorld Agent · Kimi 2.6 · Enabled · StandardMoonshot AI · Kimi 2.6#8Binary completion: 4.6%OSWorld 2.0 computer-use agent
- OSWorld Agent · Qwen 3.7-Plus · Thinking · StandardAlibaba Qwen · Qwen 3.7-Plus#10Binary completion: 2.8%OSWorld 2.0 computer-use agent