Unverified60% confidenceFactTime unknown
Claude在OSWorld基准测试上的任务完成率达到了14.9%，代表了当时的最高水平
2
Sources
60%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
Auto-Use开源项目详解：一个AI Agent搞定操作系统、浏览器与代码
githubauto-use
Related Entities
Related Claims
UnverifiedDevin在SWE-bench评测中达到13.86%的解决率（当时最高）65% similarUnverified在RULER-16K实验中，KVFetch使13项任务的平均分提升了+8.4，增益主要集中在需要顺序访问的任务上63% similarUnverifiedBullet 在 SWE-bench Verified 基准测试中取得 95.8% 的成绩，位列前三，平均每个任务耗时 119 秒60% similarUnverified在 skate bench 测试中，Max 模式相比 X high 准确率仅从 78% 提升到 79%，但成本高了 13 倍59% similarUnverifiedDevin在SWE-bench基准测试中曾创下当时的最高分59% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/29323API
curl https://kongchang.com/api/v1/knowledge/claims/29323MCP
get_claim(id=29323)