ベンチマーク / OSWorld 2.1（部分点）
OSWorld 2.1（部分点）
PC・ブラウザ操作・高いほど良い
このベンチマークとは
OSWorld の 2.1 版。Anthropic が部分点で報告。
2.0 とは版が違うため数値を直接比較できない。
＊＝開発元の自社発表。 出典（表）ごとに分けています。同じ表の値どうしは同じ条件で比べられます。
Anthropic の表
Anthropic: Introducing Claude Opus 5.5 ↗Opus 5.5 は max effort（Terminal-Bench は xhigh）。本番セーフガード有効のため一部で不利。
- 1
Claude Opus 5.581.8%＊Anthropic・部分点 - 2Claude Fable 5.180.7%＊Anthropic・部分点
- 3Claude Opus 5 過去の版74%＊Anthropic・部分点
Anthropic の発表値を報じたもの。公式発表での再確認が必要。
- 1Claude Haiku 5.572.4%＊Anthropic・オフラインサブセット