OSWorld 2.0 Binary (w/o exec)Agent

OSWorld 2.0 Binary (w/o exec) 是 OSWorld 2.0 的二值评分设置，在不使用执行验证的条件下评估桌面操作任务是否完成。该指标适合衡量 Agent 在复杂 GUI/系统环境中的端到端成功率。

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	20.6	Anthropic	Meta Muse Spark 1.1 Evaluation Report
2	Muse Spark 1.1	14.2	Meta	Meta Muse Spark 1.1 Evaluation Report
3	GPT-5.5	13.9	OpenAI	Meta Muse Spark 1.1 Evaluation Report
4	Gemini 3.1 Pro	7.8	Google	Meta Muse Spark 1.1 Evaluation Report

OSWorld 2.0 Binary (w/o exec) 是 OSWorld 2.0 的二值评分设置，在不使用执行验证的条件下评估桌面操作任务是否完成。该指标适合衡量 Agent 在复杂 GUI/系统环境中的端到端成功率。

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	20.6	Anthropic	Meta Muse Spark 1.1 Evaluation Report
2	Muse Spark 1.1	14.2	Meta	Meta Muse Spark 1.1 Evaluation Report
3	GPT-5.5	13.9	OpenAI	Meta Muse Spark 1.1 Evaluation Report
4	Gemini 3.1 Pro	7.8	Google	Meta Muse Spark 1.1 Evaluation Report