# OSWorld

> 2026 年 2 月 Claude Sonnet 4.6 以 72.5% 越过 OSWorld 的 72.36% 人类基线，到 2026 年 6 月 GPT-5.4 达到 75.0%——这是少数「人类参照线已被超越」的 Agent 基准之一。

考察 Agent 端到端操作真实桌面环境的基准。

- **分类:** 桌面与操作系统
- **2026 前沿:** Claude Sonnet 4.6 为 72.5%（2026-02）；GPT-5.4 为 75.0%（2026-06）
- **人类基线:** 72.36% (original paper)
- **可信度:** 属于较可信的 Agent 基准：72.36% 的人类基线是真实的参照点而非饱和上限，因此差距仍反映真实能力。需注意 72.36% 并非熟练用户的满分。
- **核验状态:** 已核验
- **来源:** [OSWorld](http://osworld-v1.xlang.ai/)
- **更新日期:** 2026-10-04