Claude Opus 4.6 · OSWorld-Verified · Verified benchmark; evaluation protocol noted per source · 成绩与配置

Claude Opus 4.6 的 OSWorld-Verified · Verified benchmark; evaluation protocol noted per source 记录。本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录),附 3 条来源定位。

成绩与评测条件

Claude Opus 4.6 · OSWorld-Verified 成绩与配置
指标与成绩配置与评测条件出处
First-attempt success rate72.7%原文 72.7% · 单位 %
公布 未确认
OSWorld-Verified · Max
设置
默认 OSWorld-Verified 设置;1080p;每题最多 100 个 action steps;Max effort。
未知项
未另记
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld-Verified;默认设置;1080p;每题最多 100 步;first-attempt success rate;5-run average。
条件
OSWorld 默认设置;1080p;每题最多100步;first-attempt success rate;5-run average;Table 2.3.A 的通用 Opus 4.6 effort 为 max。
在排名中查看此成绩

出处与披露

测试版本与指标

别名 OSWorld Verified

  • First-attempt success rate · % · 越高越好