GPT Codex · OSWorld-Verified · Verified benchmark; evaluation protocol noted per source · 历代记录

按发布时间查看 GPT Codex 的 2 次发布在 OSWorld-Verified · Verified benchmark; evaluation protocol noted per source 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。

GPT-5.2 Codex

· 本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)

GPT-5.2 Codex · OSWorld-Verified 成绩与配置
指标与成绩配置与评测条件出处
First-attempt success rate38.2%原文 38.2% · 单位 %
公布 未确认
GPT-5.2 Codex (xhigh)
设置
Release article uses xhigh for the benchmark comparison later published in GPT-5.3-Codex appendix.
未知项
The initial GPT-5.2-Codex release article does not publish a numerical capability table.
工具
工具条件未记录
推理预算
xhigh
框架
未记录
协议
OSWorld-Verified.
条件
xhigh effort; published later in the GPT-5.3-Codex comparison appendix.
在排名中查看此成绩

GPT-5.3 Codex

· 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。

GPT-5.3 Codex · OSWorld-Verified 成绩与配置
指标与成绩配置与评测条件出处
First-attempt success rate64.7%原文 64.7% · 单位 %
公布 未确认
GPT-5.3 Codex (xhigh)
设置
Article footnote says all release evaluations use xhigh reasoning.
未知项
未另记
工具
工具条件未记录
推理预算
xhigh
框架
未记录
协议
OSWorld-Verified.
条件
Initial value in GPT-5.3-Codex release article; later article reports a revised setting and score.
在排名中查看此成绩
First-attempt success rate74%原文 74.0% · 单位 %
公布 未确认
GPT-5.3 Codex (xhigh, original image resolution parameter)
设置
Later GPT-5.4 release reports OSWorld-Verified after adding an API parameter that preserves original image resolution.
未知项
The article does not name the parameter or the complete revised evaluation setup.
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
OSWorld-Verified with an API parameter preserving original image resolution.
条件
后续 GPT-5.4 官方文章报告新增保留原始图像分辨率参数后的74.0%;它与旧设置64.7%分别保留,不把配置改进当作旧成绩错误。当前页面未注明此项更新的具体日期。
在排名中查看此成绩