待验证50% 置信基准精确时间

Claude Opus 4.8在500步预算下OSWorld 2.0完成率仅20.6%，部分得分54.8%，每个任务平均成本约72.4美元

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/9

首次发现

有效期至：2026/10/7

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

待验证In the e-commerce website test, Opus 4.8's estimated cost was $21.41 while Fable 5's was $36.8472% 相似待验证GPT-5.5在OSWorld 2.0完成率13.0%，成本约25.5美元，Token效率最高69% 相似待验证使用旗舰模型Claude Opus完成涉及20轮工具调用、每轮平均上下文10000 Token的任务，仅输入成本便可能超过3美元68% 相似待验证Pathway模型论文称在ARC-AGI等基准上达到29.5%成绩，单题计算成本仅为0.0007美元68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/338174

API

curl https://kongchang.com/api/v1/knowledge/claims/338174

MCP

get_claim(id=338174)