Claude Sonnet 5.5 · OSWorld · 2.1 (September 10, 2026 task/assets release) · 成绩与配置

Claude Sonnet 5.5 的 OSWorld · 2.1 (September 10, 2026 task/assets release) 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 2 条来源定位。

成绩与评测条件

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

出处与披露

测试版本与指标

别名 OSWorld 2.1

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