待验证50% 置信基准精确时间
Anthropic 官方承认 Computer Use 在复杂任务上的成功率仅约 60-70%
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/26
首次发现
有效期至：2026/11/24
来源
涉及实体
相关事实
待验证According to the OSWorld benchmark, the most advanced Computer Use models still achieve less than 40% task success rate74% 相似待验证据公开评测现有桌面Agent在复杂工作流中的成功率普遍低于50%73% 相似待验证微调的成败80%取决于数据质量，数据准备通常占据整个项目60%-70%的工作量66% 相似待验证头部互联网公司和大厂的测试自动化率已突破60%~70%，部分甚至达到80%~90%65% 相似待验证实测数据显示，装了60多个Skill，启动时仅占约6%的上下文窗口64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/803809API
curl https://kongchang.com/api/v1/knowledge/claims/803809MCP
get_claim(id=803809)