ChatGPT5.6 中文文档 下载 App

OSWorld 2.0 GPT-5.6 成绩 — 桌面操作能力大幅超越前代

OSWorld 是什么

OSWorld 是评估 AI 智能体在完整桌面环境中执行真实任务的基准测试。不同于只操作浏览器的 BrowseComp，OSWorld 测试的是：

模拟的任务包括：

"打开浏览器搜索某个产品的评价页面，截图后保存到桌面的 'reviews' 文件夹，然后打开 Excel 统计截图数量。"

GPT-5.6 成绩

模型OSWorld 2.0 准确率相对 GPT-5.5Token 消耗
GPT-5.6 Sol62.6%大幅超越减少 85%
GPT-5.5 旗舰约 40%—基准
Claude Opus 4.8约 55%—更多

最惊人的数据不是准确率，而是Token 消耗减少 85%——GPT-5.6 Sol 在完成更多正确任务的同时，只用了前代约 15% 的 Token。

为什么 Token 骤降

GPT-5.6 在 OSWorld 上的 Token 效率提升来自：

更短的动作序列

GPT-5.5 完成同样任务可能需要 20-30 个动作步骤（每步都要生成新的指令、调用 Computer Use、接收屏幕反馈），而 GPT-5.6 只需要 5-10 步。

更好的"视觉理解"

GPT-5.6 对桌面截图的理解更准确：

更少的试错

GPT-5.5 在 OSWorld 中的常见失败模式：

GPT-5.6 更少出现这些低级错误，因此不需要大量的"重试 Token"。

Computer Use 能力

OSWorld 的核心是 Computer Use——让 AI 智能体直接在你的电脑上操作。这是 GPT-5.6 最具革命性的能力之一：

实际工作流示例

假设任务是"把 2025 年公司年报 PDF 的第 3、7、12 页数据录入 Excel 表格"：

GPT-5.5 风格（约 30 步动作）：

  1. 打开 PDF 阅读器
  2. 找文件 → 点击打开 → 等待加载
  3. 滚到第 3 页 → 截图 → 等 AI 分析 → 输入到 Excel → 切回 PDF
  4. 重复第 3、7、12 页 → 中途有几步走错路径 → 回退重试
  5. 总计约 30 个动作步骤

GPT-5.6 Sol 风格（约 8 步动作）：

  1. 打开 PDF 阅读器 + Excel（并行）
  2. 在 PDF 中快速定位第 3、7、12 页（一次动作内完成多页跳转）
  3. 用表格提取能力一次性理解三页数据
  4. 一次将整理好的数据输入 Excel
  5. 总计约 8 个动作步骤，Token 消耗仅 GPT-5.5 的 15%

使用场景

个人场景

企业场景

注意事项

Computer Use 能力强大但也有局限：