待验证50% 置信基准精确时间

最强AI Agent在OSWorld 2.0上的任务完成率仅约20%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/10

首次发现

有效期至：2026/10/8

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

待验证来自上海 AI Lab 等机构的研究表明，CodeAct Agent 在多步骤任务基准测试中的成功率比传统 JSON 指令 Agent 高出约 20%67% 相似待验证目前顶尖AI Agent（如Devin、SWE-agent）在SWE-bench上的解决率约为40-55%67% 相似待验证AI在OSWorld 2.0任务执行过程中仅有不到7%的步骤用于检测和修复自身错误63% 相似待验证据一位AI工程师分享，其日常工作中20%是AI，剩下80%是纯粹的软件工程63% 相似待验证仅用200行Python代码可以从零搭建一个具备核心能力的AI Agent智能体62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/421496

API

curl https://kongchang.com/api/v1/knowledge/claims/421496

MCP

get_claim(id=421496)