待验证80% 置信事实时间未知

OS World基准测试由学术界于2024年提出，专门测试AI模型在真实操作系统环境中完成复杂任务的能力

1

来源数

80%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Claude Sonnet 4.6评测：十分之一价格实现旗舰级AI性能

bilibili乱砍一通

涉及实体

OS Worldconcept

相关事实

待验证OSWorld基准测试由卡内基梅隆大学等机构于2024年提出，包含369个涵盖Linux、Windows和macOS的真实计算机任务79% 相似待验证2025年底到2026年初，软件测试领域面试开始频繁考察候选人对AI的实际应用能力72% 相似待验证到2026年，评判AI编程工具的核心指标将变为四个系统级能力：能不能分工、能不能隔离、能不能审计、能不能自己跑到交付67% 相似待验证GAIA基准测试由Meta AI和HuggingFace等团队于2023年提出，包含400多个精心设计的问题66% 相似待验证截至2025年，国产大模型在多项基准测试中已达到国际一流水平66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/13719

API

curl https://kongchang.com/api/v1/knowledge/claims/13719

MCP

get_claim(id=13719)