OpenGPTAI決策智慧完全完成率8.3%每次成功成本未公布來源公布的結果範圍未公布
Agent詳情 →共同評測範圍 · OSWorld 2.0
同評測Agent比較
以下配置來自同一個評測範圍，並保留各自的框架、模型版本、日期與來源原始值。
來源值較高只代表此評測與配置下的結果，不是跨評測總分，也不代表已適合正式使用。
只比較相同範圍
決策概覽
只有評測版本與工作範圍一致的配置，才能加入同一組比較。
完全完成率20.6%每次成功成本未公布來源公布的結果範圍未公布
Agent詳情 →已隱藏15項完全相同或全部未提供的欄位
| Agent系統 | OSWorld Agent · Claude Sonnet 4.6 · Max · Standard | OSWorld Agent · Claude Opus 4.8 · Max · Batched tool |
|---|---|---|
| 配置 | ||
| 基礎模型 | Claude Sonnet 4.6 | Claude Opus 4.8 |
| 來源模型ID或名稱 | Claude Sonnet 4.6 | Claude Opus 4.8 |
| 工具 | Standard computer-use tool | Batched computer-use tool |
| 結果 | ||
| 完全完成率 | 8.3% | 20.6% |
| 部分完成分 | 41.5% | 54.8% |
| 來源公布的評測總成本 | US$2,410 | 未公布 |
| 資料來源 | ||
| 開啟來源 | 開啟來源 ↗ | 開啟來源 ↗ |
配置
OSWorld Agent · Claude Sonnet 4.6 · Max · Standard
- 基礎模型
- Claude Sonnet 4.6
- 來源模型ID或名稱
- Claude Sonnet 4.6
- 工具
- Standard computer-use tool
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- 基礎模型
- Claude Opus 4.8
- 來源模型ID或名稱
- Claude Opus 4.8
- 工具
- Batched computer-use tool
結果
OSWorld Agent · Claude Sonnet 4.6 · Max · Standard
- 完全完成率
- 8.3%
- 部分完成分
- 41.5%
- 來源公布的評測總成本
- US$2,410
OSWorld Agent · Claude Opus 4.8 · Max · Batched tool
- 完全完成率
- 20.6%
- 部分完成分
- 54.8%
- 來源公布的評測總成本
- 未公布
資料來源
資料來自公開來源，缺少項目保持未知。
採用前做一次真實驗證
公開榜單用於縮小候選範圍，是否適合你的工作，需要透過小規模私有測試確認。
- 1
選擇 10–20 個代表性工作，並寫清通過條件。
- 2
測試前鎖定Agent、模型、工具、權限與預算。
- 3
重要工作重複執行，記錄成功率、成本、時間與人工接管。
- 4
檢查失敗案例與資料風險後，再決定是否正式採用。