OSWorld 2.1(partial)
実コンピュータ操作で長い多段階タスクを完了できるか(v2.1、partial credit)。
- 分類
- コンピュータ操作
- 単位
- パーセント(%)
- 高いほど良い
- 比較グループ
- 2グループ
- 今選べるモデルの順位・順位を付けた結果 3 件
- すべてのモデル(記録): 2 グループ・6 件
ランキング
出典区分(公式・第三者・論文)と測定条件が違う値は比べられないため、比較グループ(同じ出典か、同じ条件と確認できた出典の集まり)ごとに分けて順位を付けています。
今 Claude Code / Codex で選べるモデル(旧モデルを除く)だけで順位を付けています。
公式の結果(Introducing Claude Opus 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | Max | 81.8% | — | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。表注: Unless otherwise noted, all Claude Opus 5.5 results use adaptive thinking at max effort. production safeguards 有効。出典の該当箇所81.8%所在 表 OSWorld 2.1 (partial) 行: 81.8 |
公式の結果(Introducing Claude Sonnet 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | 記載なし | 81.8% | — | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。表注: For details on how we run our evaluations, see the Sonnet 5.5 System Card(effort は表に明記のもののみ)出典の該当箇所81.8%所在 表 OSWorld 2.1 (partial) 行: 81.8 |
| 2 | Claude Sonnet 5.5 | 記載なし | 80.1% | — | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。表注: For details on how we run our evaluations, see the Sonnet 5.5 System Card(effort は表に明記のもののみ)出典の該当箇所80.1%所在 表 OSWorld 2.1 (partial) 行: 80.1 |
すべてのモデルの順位(記録)
旧モデルと Claude Code / Codex で選べないモデルを含めて、比較グループごとに順位を付け直したものです。順位を付ける顔ぶれが違うので、上の順位とは違います。
旧モデル・選べないモデルを含む順位を開く(6 件)
公式の結果(Introducing Claude Opus 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | Max | 81.8% | — | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。表注: Unless otherwise noted, all Claude Opus 5.5 results use adaptive thinking at max effort. production safeguards 有効。出典の該当箇所81.8%所在 表 OSWorld 2.1 (partial) 行: 81.8 |
| 2 | Claude Fable 5.1 | 記載なし | 80.7% | — | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。表注: Unless otherwise noted, all Claude Opus 5.5 results use adaptive thinking at max effort. production safeguards 有効。出典の該当箇所80.7%所在 表 OSWorld 2.1 (partial) 行: 80.7 |
| 3 | Claude Opus 5 | 記載なし | 74.0% | — | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。表注: Unless otherwise noted, all Claude Opus 5.5 results use adaptive thinking at max effort. production safeguards 有効。出典の該当箇所74.0%所在 表 OSWorld 2.1 (partial) 行: 74.0 |
公式の結果(Introducing Claude Sonnet 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | 記載なし | 81.8% | — | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。表注: For details on how we run our evaluations, see the Sonnet 5.5 System Card(effort は表に明記のもののみ)出典の該当箇所81.8%所在 表 OSWorld 2.1 (partial) 行: 81.8 |
| 2 | Claude Sonnet 5.5 | 記載なし | 80.1% | — | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。表注: For details on how we run our evaluations, see the Sonnet 5.5 System Card(effort は表に明記のもののみ)出典の該当箇所80.1%所在 表 OSWorld 2.1 (partial) 行: 80.1 |
| 3 | Claude Sonnet 5 | 記載なし | 57.0% | — | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。表注: For details on how we run our evaluations, see the Sonnet 5.5 System Card(effort は表に明記のもののみ)出典の該当箇所57.0%所在 表 OSWorld 2.1 (partial) 行: 57.0 |