Benchmark · agentic
OSWorld 2.0
2026 long-horizon re-cut of OSWorld: 108 multi-app desktop workflows, median human task ~1.6h. Not on the same scale as OSWorld / OSWorld-Verified — file here only when the quote says 2.0.
| التاريخ | النموذج | النتيجة | المصدر |
|---|---|---|---|
| 2026-07-28 | Claude Opus 5 | 70.0% | أنثروبيك تطلق Claude Opus 5 كبديل فعال من حيث التكلفة لـ Fable |