基准OSWorld
OSWorld 2.0
计算机操作基准，模拟用户在真实操作系统界面上执行跨应用任务，涉及截图理解、GUI元素定位和多步骤执行
时间轴 (近 90 天)
9月28日
GPT-6 Astra 在 Terminal-Bench 4.0 和 OSWorld 2.0 基准上刷新了成绩
待验证50%
9月28日
OSWorld 2.0 模拟完整的桌面操作系统环境，测试模型通过截图感知、GUI 交互和跨应用协作完成复杂任务的能力
待验证50%
计算机操作基准，模拟用户在真实操作系统界面上执行跨应用任务，涉及截图理解、GUI元素定位和多步骤执行
GPT-6 Astra 在 Terminal-Bench 4.0 和 OSWorld 2.0 基准上刷新了成绩
OSWorld 2.0 模拟完整的桌面操作系统环境，测试模型通过截图感知、GUI 交互和跨应用协作完成复杂任务的能力