待验证50% 置信事实精确时间

OS World是学术界设计的评测基准，测试模型操控真实计算机环境的能力

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

GPT-5.6发布：Sol/Terra/Luna三档模型全面对标Claude

bilibiliAI技术投降派2026/7/10

相关事实

待验证OS World Verified是由学术界开发的基准测试，专门评估AI模型在真实操作系统环境中自主完成任务的能力81% 相似待验证WebArena、OSWorld等基准测试环境用于标准化智能体任务的评估框架69% 相似待验证OSWorld 2.0每个任务标注了10种能力测试维度，涵盖跨源推理、隐式状态推断、冲突消解、动态环境应对等61% 相似待验证MiniWoB++、WebArena、OSWorld等学术基准测试为GUI Agent领域提供了标准化评估框架56% 相似待验证清华大学和智谱AI联合发布了一项全栈Web开发基准测试55% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/489452

API

curl https://kongchang.com/api/v1/knowledge/claims/489452

MCP

get_claim(id=489452)