Claude Fable 5.1 · OSWorld · 2.0,August 2026 task release(与此前 task files 不可直接比较) · 成绩与配置

Claude Fable 5.1 的 OSWorld · 2.0,August 2026 task release(与此前 task files 不可直接比较) 记录。本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录),附 2 条来源定位。

成绩与评测条件

Claude Fable 5.1 · OSWorld 成绩与配置
指标与成绩配置与评测条件出处
Partial score77.9%原文 77.9% partial · 单位 %
公布 未确认
Adaptive Max
设置
Claude Fable 5.1;CursorBench 主文引述明确为 max effort;后续 System Card 对 OSWorld/BenchCAD/OfficeQA 对照结果亦标 max effort。
未知项
不同 benchmark 的具体执行细节分别见来源章节;部分测试的采样参数或运行数未单独公布。
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld 2.0 August 2026 task release with subsequent task fixes; 108 long-horizon tasks; 1080p; up to 500 actions/task; max effort; Pass@1 over five runs.
条件
Production safeguards enabled; tasks where safeguards intervened were completed by fallback models; not directly comparable with prior OSWorld 2.0 task releases.
在排名中查看此成绩
Strict pass rate41.7%原文 41.7% strict · 单位 %
公布 未确认
Adaptive Max
设置
Claude Fable 5.1;CursorBench 主文引述明确为 max effort;后续 System Card 对 OSWorld/BenchCAD/OfficeQA 对照结果亦标 max effort。
未知项
不同 benchmark 的具体执行细节分别见来源章节;部分测试的采样参数或运行数未单独公布。
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld 2.0 August 2026 task release with subsequent task fixes; 108 long-horizon tasks; 1080p; up to 500 actions/task; max effort; Pass@1 over five runs.
条件
Production safeguards enabled; tasks where safeguards intervened were completed by fallback models; not directly comparable with prior OSWorld 2.0 task releases.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 OSWorld 2.0 (August 2026 task release)

  • Partial score · % · 越高越好
  • Strict pass rate · % · 越高越好