待验证50% 置信事实精确时间

在OSWorld 2.0最长的工作流中AI完成率几乎降至0，完成率对任务长度极其敏感

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

待验证主流AI代理完成OSWorld 2.0每个任务平均需要超过300步，而1.0版本只需30步左右72% 相似待验证AI Agent在复杂任务中的典型失败表现包括：在最初十分钟表现良好，半小时后开始偏离目标，两小时后产生完全不可用的输出70% 相似待验证以Mythos Preview为例，成功率在4小时任务节点开始显著下滑，且在15分钟内的短任务中某些类别模型也无法稳定完成66% 相似待验证AI测试可以7×24小时不间断运行，其边际成本接近于零63% 相似待验证MVP（最小可行产品）在AI辅助开发中的生成速度已从数天压缩至数分钟63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/338180

API

curl https://kongchang.com/api/v1/knowledge/claims/338180

MCP

get_claim(id=338180)