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 · 成绩与配置

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 记录。本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录),附 1 条来源定位。

成绩与评测条件

Claude Opus 5.5 · OSWorld 成绩与配置
指标与成绩配置与评测条件出处
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.
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.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 OSWorld 2.0 (2026-09 revised protocol)

  • Partial score · % · 越高越好
  • Strict pass rate · % · 越高越好