Claude Opus 5 实测登顶 OSWorld 2.0，智能体评测追赶加速
taoyds · x · 2026-07-25
随着 Claude Opus 5 的发布，其在真实的计算机操作智能体基准测试 OSWorld 2.0 上达到了 70.6% 的高分。开发者感叹，每当业界构建出更难的评测基准，模型总能以超预期的速度追赶上来，保持评测领先正变得越来越困难。
所属事件:Claude Opus 5 登顶 OSWorld v2(2 条相关)→
「编程与Agent」频道最新
- GitHub 上的 whatbroke：一个离线对比 AI Agent 行为的工具 — JeffLadish · 2026-07-25
- 有人想给 AI Agent 卖可信沙箱，起步价每小时 0.06 美元 — Curious_Coder098 · 2026-07-25
- Geist's Badges 更新：圆形图标自动留白并提升对比度 — evilrabbit_ · 2026-07-25
- 可组合 agent 新增 MCP 动态认证，支持按用户连接 — irvinebroque · 2026-07-25
- Wayfinder 认为交易智能体需要安全执行层 — templecrash · 2026-07-25
- Claude Code 2.1.220 增加 6256 个 prompt tokens — ClaudeCodeLog · 2026-07-25