Claude Fable · OSWorld · 2.1, 82-task offline no-internet subset, partial score · 历代记录

按发布时间查看 Claude Fable 的 2 次发布在 OSWorld · 2.1, 82-task offline no-internet subset, partial score 的成绩、配置与披露。

仅为直接前代间的唯一、有效精确值计算差值,要求单位、指标与明确记录的配置和条件一致。

Claude Fable 5.1

· 本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)

Claude Fable 5.1 · OSWorld 成绩与配置
指标与成绩配置与评测条件出处
Partial score83.5%原文 83.5% partial · 单位 %
公布 未确认
Adaptive Max
设置
Claude Fable 5.1;CursorBench 主文引述明确为 max effort;后续 System Card 对 OSWorld/BenchCAD/OfficeQA 对照结果亦标 max effort。
未知项
不同 benchmark 的具体执行细节分别见来源章节;部分测试的采样参数或运行数未单独公布。
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld 2.1 official 82-task offline set;partial score;Pass@1,五次尝试平均。
条件
Same no-internet task subset and scoring rules as the Fable 5.2 result.
在排名中查看此成绩
Strict pass rate47.6%原文 47.6% strict pass · 单位 %
公布 未确认
Adaptive Max
设置
Claude Fable 5.1;CursorBench 主文引述明确为 max effort;后续 System Card 对 OSWorld/BenchCAD/OfficeQA 对照结果亦标 max effort。
未知项
不同 benchmark 的具体执行细节分别见来源章节;部分测试的采样参数或运行数未单独公布。
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld 2.1 official 82-task offline set;strict pass rate;Pass@1,五次尝试平均。
条件
Same no-internet task subset and scoring rules as the Fable 5.2 result.
在排名中查看此成绩

Claude Fable 5.2

· 本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)

与直接前代的记录缺少满足差值计算的同条件依据。

Claude Fable 5.2 · OSWorld 成绩与配置
指标与成绩配置与评测条件出处
Partial score89.3%原文 89.3% · 单位 %
公布 未确认
Adaptive Max
设置
Claude Fable 5.2;adaptive thinking always on;Max effort;默认 temperature/top_p;Card 通用表说明通常五次运行平均,个别测试另行注明。
未知项
System Card pp.1-264 文字已完整核读;各benchmark章节未明确披露的运行参数仍未知。
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld 2.1 official 82-task offline set;partial score;Pass@1,五次尝试平均。
条件
无网络;默认 1080p;每题最多 500 action steps;使用 Opus 4.8 作需模型评分的任务;max effort。
在排名中查看此成绩
Strict pass rate54.6%原文 54.6% · 单位 %
公布 未确认
Adaptive Max
设置
Claude Fable 5.2;adaptive thinking always on;Max effort;默认 temperature/top_p;Card 通用表说明通常五次运行平均,个别测试另行注明。
未知项
System Card pp.1-264 文字已完整核读;各benchmark章节未明确披露的运行参数仍未知。
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld 2.1 official 82-task offline set;strict pass rate;Pass@1,五次尝试平均。
条件
严格通过要求任务内每个 checkpoint 均满足;无网络;max effort。
在排名中查看此成绩