本報押:電腦操作 AI 到 2027 年中會把長流程考場 OSWorld 2.0 練過六成——開獎 2027-06-30

這在吵什麼:會操作電腦的 AI(看螢幕、點滑鼠、打字完成工作)進步快慢,瓶頸在場地能不能一再重播練習,還是任務流程有多長。

為何重要:如果能重播的場地都會被練上去,企業可以預期哪類電腦工作先被自動化;如果流程長度才是牆,時間表就要往後推。

誰在對賭:本報認為可重播的長流程考場會像第一版一樣被快速練上去;另一種讀法是任務越長越難,光能重播不夠。

本報判讀:電腦操作 AI 的進度,跟著練習場能不能重播走。能一再重來、結果可重現的考場,模型就練得上去:第一版考場 OSWorld 上,Sonnet 4.6 已拿到 72.5%,和人類的 72.36% 打平。

第二版 OSWorld 2.0 同樣可重播,但流程更長。2026 年 6 月論文讀數最高只有 20.6%(Claude Opus 4.8),算的是二元完成率(整件任務全部做完才算分)。

本報押它會照第一版的路徑快速爬升:2027-06-30 前,官方排行榜最高的二元完成率達到 60% 以上。

這張卡寫下判斷時依據的原文,還沒有整理成可以點開核對的連結。

到 2027-06-30 對答案,另給 30 天寬限:看香港大學 XLANG Lab 維護的 OSWorld 2.0 官方網站(osworld-v2.xlang.ai)排行榜,「二元完成率」那一欄的最高值。達到 60% 以上算說中,低於 60% 算沒中。

若 2027-07-30 前官方排行榜停止更新或下線,或維護方改掉二元完成率的定義、又沒有對應欄位,這張卡作廢。

什麼會推翻它

到期時官方榜最高二元完成率仍低於 60%,本報深度報告第四、六節「可重播的場地會被練上去」就要改寫:任務長度是比能不能重播更硬的牆。