Claude Sonnet 5.5 · OSWorld(2.1 (September 10, 2026 task/assets release)) · 附件证据(ev55-osworld)

Claude Sonnet 5.5 的 OSWorld · 2.1 (September 10, 2026 task/assets release) 官方出处。见《Claude Sonnet 5.5 System Card》§8.13.3, PDF p.130。证据 ev55-osworld。

原文与定位

Claude Sonnet 5.5 · OSWorld(2.1 (September 10, 2026 task/assets release)),Max effort配置,Partial score 80.1%(具体成绩公布时间未确认)。见《Claude Sonnet 5.5 System Card》§8.13.3, PDF p.130。 查看成绩条件

Claude Sonnet 5.5 · OSWorld(2.1 (September 10, 2026 task/assets release)),Max effort配置,Strict pass rate 43.5%(具体成绩公布时间未确认)。见《Claude Sonnet 5.5 System Card》§8.13.3, PDF p.130。 查看成绩条件

Claude Sonnet 5.5 achieved a partial score of 80.1% and a strict pass rate of 43.5%.
官方材料
Claude Sonnet 5.5 System Card · PDF 第 130 页
定位
附件 · §8.13.3, PDF p.130
材料版本
PDF cover dated 2026-09-28; 148 pages; collected 2026-11-10
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 Sonnet 5.5 · OSWorld(2.1 (September 10, 2026 task/assets release)),Max effort配置,Partial score 80.1%(具体成绩公布时间未确认);Claude Sonnet 5.5 · OSWorld(2.1 (September 10, 2026 task/assets release)),Max effort配置,Strict pass rate 43.5%(具体成绩公布时间未确认)。官方出处 Claude Sonnet 5.5 System Card(附件,PDF cover dated 2026-09-28; 148 pages; collected 2026-11-10)§8.13.3, PDF p.130,https://www.anthropic.com/claude-sonnet-5-5-system-card#page=130。Benchlog https://benchlog.lekshome.cc/evidence/claude-sonnet-5-5/ev55-osworld/

关联成绩与条件

Claude Sonnet 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 score80.1%原文 80.1% · 单位 %
公布 未确认
Max effort
设置
Max reasoning effort.
未知项
Adaptive thinking status is benchmark-specific.
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld 2.1 v2.1 task files/assets dated 2026-09-10; 108 tasks; Pass@1 averaged over five runs.
条件
Max effort, 1080p, up to 500 actions; server-side context management compacts after 100K tokens; Opus 4.8 grader where required.

直接支持该成绩

在排名中查看此成绩
Strict pass rate43.5%原文 43.5% · 单位 %
公布 未确认
Max effort
设置
Max reasoning effort.
未知项
Adaptive thinking status is benchmark-specific.
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld 2.1 strict pass rate; every task checkpoint must be satisfied; Pass@1, five-run average.
条件
Same v2.1 setup: 108 tasks, 1080p, up to 500 actions, max effort, 100K context compaction.

直接支持该成绩

在排名中查看此成绩