Claude Opus 5 · OSWorld · System Card 所称 2.0;2026-09-10 任务与资源版本、108 题、更新 harness · 成绩与配置

Claude Opus 5 的 OSWorld · System Card 所称 2.0;2026-09-10 任务与资源版本、108 题、更新 harness 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 1 条来源定位。

成绩与评测条件

Claude Opus 5 · OSWorld 成绩与配置
指标与成绩配置与评测条件出处
Partial score74%原文 74.0% partial · 单位 %
公布 未确认
OSWorld 2.0 更新 harness
设置
System Card 后续披露的 2026-09-10 task/assets 版本,108 题,保留全部截图并启用 server-side context management。
未知项
System Card 修订日期未公布;与 launch table 的原 OSWorld 2.0 值不可直接比较。
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
OSWorld 2.0 System Card 后续更新;108 任务、5 次运行,更新 task/assets 与 context 管理。
条件
Card 明确声明 task files 与 harness 均不同,因此不与 launch table 70.6% 直接比较;当前 card revision/disclosure date 未明确。
在排名中查看此成绩
Strict pass rate37.2%原文 37.2% strict pass · 单位 %
公布 未确认
OSWorld 2.0 更新 harness
设置
System Card 后续披露的 2026-09-10 task/assets 版本,108 题,保留全部截图并启用 server-side context management。
未知项
System Card 修订日期未公布;与 launch table 的原 OSWorld 2.0 值不可直接比较。
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
OSWorld 2.0 System Card 后续更新;108 任务、5 次运行,更新 task/assets 与 context 管理。
条件
Card 明确声明与早期协议结果不具直接可比性;当前 card revision/disclosure date 未明确。
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 (2026-09 revised protocol)

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