Claude Opus 4.6 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source) 72.7% · 附件证据(ev-op46-card-osworld)

Claude Opus 4.6 的 OSWorld-Verified · Verified benchmark; evaluation protocol noted per source 官方出处。OSWorld-Verified · Max · 72.7%。见《Claude Opus 4.6 System Card》PDF p.22, §2.8, OSWorld-Verified evaluation setup。证据 ev-op46-card-osworld。

原文与定位

Claude Opus 4.6 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source),OSWorld-Verified · Max配置,First-attempt success rate 72.7%(具体成绩公布时间未确认)。见《Claude Opus 4.6 System Card》PDF p.22, §2.8, OSWorld-Verified evaluation setup。 查看成绩条件

We followed the default settings with 1080p resolution and a maximum of 100 action steps per task. Claude Opus 4.6 achieved an OSWorld-Verified score of 72.7% (first-attempt success rate, averaged over five runs).
官方材料
Claude Opus 4.6 System Card · PDF 第 22 页
定位
附件 · PDF p.22, §2.8, OSWorld-Verified evaluation setup
材料版本
Current PDF/TXT; local source 本地留存副本 and 本地留存副本; 213 pages; changelog through 2026-03-06; full text and visuals reviewed.
版本公布
未确认
披露时间
未确认 · 首发/后补未确认
采集时间
历史依据
暂无可靠历史版本依据
引用文本

Claude Opus 4.6 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source),OSWorld-Verified · Max配置,First-attempt success rate 72.7%(具体成绩公布时间未确认)。官方出处 Claude Opus 4.6 System Card(附件,Current PDF/TXT; local source 本地留存副本 and 本地留存副本; 213 pages; changelog through 2026-03-06; full text and visuals reviewed.)PDF p.22, §2.8, OSWorld-Verified evaluation setup,https://www.anthropic.com/claude-opus-4-6-system-card#page=22。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-6/ev-op46-card-osworld/

关联成绩与条件

Claude Opus 4.6 · OSWorld-Verified 成绩与配置
指标与成绩配置与评测条件证据关系
First-attempt success rate72.7%原文 72.7% · 单位 %
公布 未确认
OSWorld-Verified · Max
设置
默认 OSWorld-Verified 设置;1080p;每题最多 100 个 action steps;Max effort。
未知项
未另记
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld-Verified;默认设置;1080p;每题最多 100 步;first-attempt success rate;5-run average。
条件
OSWorld 默认设置;1080p;每题最多100步;first-attempt success rate;5-run average;Table 2.3.A 的通用 Opus 4.6 effort 为 max。

直接支持该成绩

在排名中查看此成绩