OSWorld
AssessCông cụ
Bộ đánh giá cho các tác vụ AI dùng máy tính trong môi trường phần mềm thực tế.
Vì sao ở đây
Xếp vào Assess: 4 bài bằng chứng từ 5 nguồn, chủ yếu là phát hành mô hình, 1 bài trong 30 ngày qua. Độ tin cậy 74%.
Bằng chứng (4)
- 8Anthropic News·24/7/2026model_releaseAnthropic ra mắt Claude Opus 5
Anthropic đã giới thiệu Claude Opus 5, mẫu mặc định mới cho Claude Max và là mẫu mạnh nhất trên Claude Pro. Theo Anthropic, mô hình này cải thiện đáng kể về lập trình, công việc tri thức, tự động hóa và nghiên cứu khoa học, đồng thời hiệu quả chi phí tốt hơn Opus 4.8, nhưng vẫn kém Mythos 5 ở các bài đánh giá an ninh mạng.
- 7Anthropic News·25/2/2026fundingAnthropic mua lại Vercept để nâng cao khả năng dùng máy tính của Claude
Anthropic đã mua lại Vercept, đội ngũ tập trung vào các hệ thống nhận biết và tương tác giúp AI hoạt động trong các ứng dụng thực tế. Công ty cho biết thương vụ này sẽ hỗ trợ nâng cao khả năng dùng máy tính của Claude, sau khi Claude Sonnet 4.6 đạt tiến bộ đáng kể trên OSWorld.
- 8Anthropic News·17/2/2026model_releaseAnthropic ra mắt Claude Sonnet 4.6
Anthropic đã giới thiệu Claude Sonnet 4.6, phiên bản Sonnet mạnh nhất từ trước đến nay, với cải thiện trên nhiều mảng như lập trình, sử dụng máy tính, suy luận ngữ cảnh dài, lập kế hoạch tác nhân, công việc văn phòng và thiết kế. Mô hình này bổ sung cửa sổ ngữ cảnh beta 1 triệu token, trở thành mặc định trên các gói miễn phí và Pro, đồng thời giữ nguyên mức giá như Sonnet 4.5 và tăng khả năng chống tấn công prompt injection.
- 7Hugging Face Blog·3/2/2026model_releaseH Company Holo2-235B-A22B Preview lập kỷ lục mới về định vị giao diện
H Company đã phát hành Holo2-235B-A22B Preview, mô hình định vị phần tử giao diện lớn nhất của hãng đến nay, và cho biết nó đạt kết quả dẫn đầu mới trên ScreenSpot-Pro và OSWorld G. Công ty cũng cho biết cơ chế định vị theo kiểu tác tử giúp cải thiện độ chính xác qua nhiều bước lặp, đồng thời SkyPilot được dùng để điều phối huấn luyện quy mô lớn trên nhiều nhà cung cấp đám mây.