待验证50% 置信基准精确时间
Claude Opus在OSWorld 1.0上能达到83.5%的准确率
1
来源数
50%
置信度
长期有效
时效性
2026/7/9
首次发现
来源
OSWorld 2.0测评：最强AI Agent完成率仅20%，长流程是致命短板
bilibili熊二等兵2026/7/1
相关事实
已验证Claude 4.5 Opus 在 SWE-Bench Verified 上达到了 80.9% 的成绩73% 相似待验证Claude Opus 4.8 reached 85.9% on the GraphWalks 256K subset (up from 76.9% for 4.7) and 68.1% on the full 1-million-token version, nearly double Opus 4.7's score of 40.3%71% 相似待验证Opus 4.6在OS World Verified基准测试中得分72.7%70% 相似待验证Claude Opus 4.8在OnlineMind2Web网页操作基准测试上取得了84%的成绩68% 相似待验证Opus 4在SWE-bench Verified上的通过率超过72%，显著领先于其他竞争模型66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/338168API
curl https://kongchang.com/api/v1/knowledge/claims/338168MCP
get_claim(id=338168)