正在加载页面内容
OSWorld 2.0 (2026-09-10, strict)多模态Agent
采用 2026-09-10 版任务、资源与配套应用，1080p、每题最多 500 步；保留全部截图，超过 100K tokens 时使用服务端上下文压缩。各指标为 5 次独立运行的 pass@1 均值；需要模型裁判时使用 Opus 4.8。任务及 harness 均有变化，与更早任务版本或其他 harness 配置不可直接比较。OSWorld 2.0 的 108 个长周期桌面任务，strict 仅在全部检查点均满足时记为通过。
#模型得分
共 3 个模型