待验证50% 置信基准精确时间
OSWorld在2024年发布时，最强基线模型成绩仅约12%，人类完成率约72%
1
来源数
50%
置信度
长期有效
时效性
2026/9/21
首次发现
来源
涉及实体
相关事实
待验证Anthropic的Computer Use在OSWorld基准测试上的操作准确率约为14.9%（2024年10月数据）68% 相似待验证在网页浏览基准BrowseComp上Sol拿到92.2%，在OSWorld 2.0上拿到62.6%，两项均为当前最佳成绩，OSWorld上超过Opus 4.8的同时输出Token减少85%66% 相似待验证OSWorld 2.0中模型评估仅占总得分的11.53%，且没有任何任务的模型评估占比超过50%66% 相似待验证在OS World 20的82项离线任务总体结果中，平均完成度从约72%升到约79%64% 相似待验证人类在OS World测试中的平均得分约为72-74%63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/938807API
curl https://kongchang.com/api/v1/knowledge/claims/938807MCP
get_claim(id=938807)