Claude Opus 4.7 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source) 82.3% · 主文证据(ev-op47-osworld-update-note)

Claude Opus 4.7 的 OSWorld-Verified · Verified benchmark; evaluation protocol noted per source 官方出处。OSWorld-Verified 更新评测 · 82.3%。见《Introducing Claude Opus 4.8 (后续成绩修订来源)》本地留存副本 line 72;OSWorld-Verified footnote。证据 ev-op47-osworld-update-note。

原文与定位

Claude Opus 4.7 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source),OSWorld-Verified 更新评测配置,First-attempt success rate 82.3%(成绩公布 2026-05-28)。见《Introducing Claude Opus 4.8 (后续成绩修订来源)》本地留存副本 line 72;OSWorld-Verified footnote。 查看成绩条件

We made changes to how we run the OSWorld-Verified evaluation ... and have updated the Opus 4.7 score to 82.3%.
官方材料
Introducing Claude Opus 4.8 (后续成绩修订来源) · 定位到章节
定位
主文 · 本地留存副本 line 72;OSWorld-Verified footnote
材料版本
后续发布页;本地保存 HTML/TXT 与主表 PNG:本地留存副本、本地留存副本、本地留存副本;原文发布日期 2026-05-28,当前修订时间未知
版本公布
未确认
披露时间
· 后补披露
采集时间
历史依据
暂无可靠历史版本依据
引用文本

Claude Opus 4.7 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source),OSWorld-Verified 更新评测配置,First-attempt success rate 82.3%(成绩公布 2026-05-28)。官方出处 Introducing Claude Opus 4.8 (后续成绩修订来源)(主文,后续发布页;本地保存 HTML/TXT 与主表 PNG:本地留存副本、本地留存副本、本地留存副本;原文发布日期 2026-05-28,当前修订时间未知)本地留存副本 line 72;OSWorld-Verified footnote,https://www.anthropic.com/news/claude-opus-4-8#opus-48s-capabilities。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-7/ev-op47-osworld-update-note/

关联成绩与条件

Claude Opus 4.7 · 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 rate82.3%原文 82.3% · 单位 %
公布

更正记录 · 替代 78%。官方后续脚注说明评测方式有变并更新旧值;同文图表另列 82.8%,故保留冲突。

结果冲突待核对,精确排名不采用。

OSWorld-Verified 更新评测
设置
Opus 4.8 发布说明称修改评测方式以更贴近真实使用;Opus 4.7 更新值在同文图表与脚注不一致。
未知项
更新后的完整 harness 与测试集配置未从系统卡全文核读。
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
OSWorld-Verified;后续更新评测。
条件
同一 Opus 4.8 发布页的解释脚注明确称新值为 82.3%,但主图表列 82.8%。此记录不能据现有材料判断哪一数值应优先。

直接支持该成绩

在排名中查看此成绩