回顧 · 本報 10 月 26 日深度

會操作電腦的 AI 進步跟著什麼走：第一版考場 OSWorld 上 Sonnet 4.6 已拿到 72.5%、和人類基準 72.36% 打平，流程更長的 OSWorld 2.0 今年 6 月論文的最高只有 20.6%。

概念插圖，分為左右兩格。左格上方印著大字「OSWORLD」，下方的框窗內，一個背影人物坐在左側的棕色椅子上，櫃檯上依序是托盤裡的一疊紙、寫著「SONNET 4.6」的牌子和另一個托盤裡的一疊紙；右格是一本攤開的書，頂端黑色橫條寫著「OSWORLD 2.0」，左頁是一高疊書本，中間是寫著「CLAUDE OPUS 4.8」的牌子，右頁淡粉色方塊前的托盤上放著兩本紅色的書。圖上印著：20.6% OSWorld 2.0，論文最高分。

電腦操作代理哪類工作先被自動化，要看那份工作能不能變成可一再重設、重跑的測試環境；分數都是排行榜或論文的數字，不是本報量的。本報 10 月 26 日深度的讀法是：任務能不能做成可一再重設、重跑的測試環境，決定會操作電腦的 AI 進步多快。OSWorld 2.0 的分數要整件任務全部做完才算，6 月論文的最高分是 Claude Opus 4.8。兩版的模型、測量時間與步數設定不同，只能各自看離人類基準多遠。本報押第二版照第一版的路徑爬升：2027 年 6 月 30 日前官方排行榜最高完成率達到 60% 以上；到時仍低於六成，就表示任務長度比能不能重跑更能決定進步速度。流程長短是第二個變數（卡片）。怎麼查的 →

出處與查證

這則刊在2026年11月7日的晨報，同一期還有 13 則。查證經過、引句核對與當天缺的資料，記在那一期的本日驗證。

引用這則

SecondSource（2026），〈會操作電腦的 AI 進步跟著什麼走：第一版考場 OSWorld 上 Sonnet 4.6 已拿到 72.5%、和人類基準 72.36% 打平，流程更長的 OSWorld 2.0 今年 6 月論文的最高只有 20.6%。〉，https://secondsource.io/news/2026-11-07-5/，取用日期取用。