Claude Opus 5.5 · OSWorld(System Card 所称 2.0;2026-09-10 任务与资源版本、108 题、更新 harness) · 附件证据(ev-op55-osworld-card)

Claude Opus 5.5 的 OSWorld · System Card 所称 2.0;2026-09-10 任务与资源版本、108 题、更新 harness 官方出处。见《Claude Opus 5.5 System Card》本地留存副本 pages 205-206, §8.13.3 OSWorld 2.0。证据 ev-op55-osworld-card。

原文与定位

Claude Opus 5.5 · OSWorld(System Card 所称 2.0;2026-09-10 任务与资源版本、108 题、更新 harness),System Card OSWorld 2.0 更新协议配置,Partial score 81.8%(具体成绩公布时间未确认)。见《Claude Opus 5.5 System Card》本地留存副本 pages 205-206, §8.13.3 OSWorld 2.0。 查看成绩条件

Claude Opus 5.5 · OSWorld(System Card 所称 2.0;2026-09-10 任务与资源版本、108 题、更新 harness),System Card OSWorld 2.0 更新协议配置,Strict pass rate 48.7%(具体成绩公布时间未确认)。见《Claude Opus 5.5 System Card》本地留存副本 pages 205-206, §8.13.3 OSWorld 2.0。 查看成绩条件

Claude Opus 5.5 achieved a partial score of 81.8% and a strict pass rate of 48.7%; five independent runs. The card labels this OSWorld 2.0 and says task files and harness differ from earlier results.
官方材料
Claude Opus 5.5 System Card · PDF 第 206 页
定位
附件 · 本地留存副本 pages 205-206, §8.13.3 OSWorld 2.0
材料版本
官方当前 System Card;封面日期 2026-09-22;本地 PDF/TXT:本地留存副本、current-opus-5-5-system-card.txt;230 页全文核读;当前修订时间未知
版本公布
未确认
披露时间
未确认 · 首发/后补未确认
采集时间
历史依据
暂无可靠历史版本依据
引用文本

Claude Opus 5.5 · OSWorld(System Card 所称 2.0;2026-09-10 任务与资源版本、108 题、更新 harness),System Card OSWorld 2.0 更新协议配置,Partial score 81.8%(具体成绩公布时间未确认);Claude Opus 5.5 · OSWorld(System Card 所称 2.0;2026-09-10 任务与资源版本、108 题、更新 harness),System Card OSWorld 2.0 更新协议配置,Strict pass rate 48.7%(具体成绩公布时间未确认)。官方出处 Claude Opus 5.5 System Card(附件,官方当前 System Card;封面日期 2026-09-22;本地 PDF/TXT:本地留存副本、current-opus-5-5-system-card.txt;230 页全文核读;当前修订时间未知)本地留存副本 pages 205-206, §8.13.3 OSWorld 2.0,https://www.anthropic.com/claude-opus-5-5-system-card#page=206。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-5-5/ev-op55-osworld-card/

关联成绩与条件

Claude Opus 5.5 · OSWorld 成绩与配置
指标与成绩配置与评测条件证据关系
Partial score81.8%原文 81.8% partial · 单位 %
公布 未确认
System Card OSWorld 2.0 更新协议
设置
108 个 long-horizon desktop tasks;五次独立运行;1080p、最多 500 steps、max effort;更新 task/assets 与 harness。
未知项
Card 当前修订日期未公布;与主文 OSWorld 2.1 标签对应关系不明确。
工具
工具条件未记录
推理预算
max
框架
未记录
协议
108 tasks; partial score; pass@1 averaged over five runs; 1080p; max 500 steps; max effort。
条件
Card says updated task/assets and screenshot/context management; not directly comparable with earlier benchmark/harness reports. Revision date unknown.

直接支持该成绩

在排名中查看此成绩
Strict pass rate48.7%原文 48.7% strict pass · 单位 %
公布 未确认
System Card OSWorld 2.0 更新协议
设置
108 个 long-horizon desktop tasks;五次独立运行;1080p、最多 500 steps、max effort;更新 task/assets 与 harness。
未知项
Card 当前修订日期未公布;与主文 OSWorld 2.1 标签对应关系不明确。
工具
工具条件未记录
推理预算
max
框架
未记录
协议
108 tasks; strict pass rate; pass@1 averaged over five runs; 1080p; max 500 steps; max effort。
条件
Card says updated task/assets and screenshot/context management; not directly comparable with earlier benchmark/harness reports. Revision date unknown.

直接支持该成绩

在排名中查看此成绩