待验证60% 置信事实时间未知

Claude在OSWorld基准测试上的任务完成率达到了14.9%，代表了当时的最高水平

2

来源数

60%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Auto-Use开源项目详解：一个AI Agent搞定操作系统、浏览器与代码

githubauto-use

涉及实体

Claudemodel OSWorldproduct

相关事实

待验证Devin在SWE-bench评测中达到13.86%的解决率（当时最高）65% 相似待验证Bullet 在 SWE-bench Verified 基准测试中取得 95.8% 的成绩，位列前三，平均每个任务耗时 119 秒60% 相似待验证在 skate bench 测试中，Max 模式相比 X high 准确率仅从 78% 提升到 79%，但成本高了 13 倍59% 相似待验证Devin在SWE-bench基准测试中曾创下当时的最高分59% 相似待验证Sai在OSWorld基准测试中取得73%的成绩58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/29323

API

curl https://kongchang.com/api/v1/knowledge/claims/29323

MCP

get_claim(id=29323)