XLANG 연구소, 장기 컴퓨터 사용 능력 벤치마크 'OS월드 2.0' 공개…클로드 오퍼스 4.8 최고점

주요 내용

• AI 연구소 XLANG이 2025년 6월 26일 'OS월드 2.0' 공개
• 기존 벤치마크는 수십 단계 안에 끝나는 단순 작업 평가에 그쳤음
• OS월드 2.0은 숙련된 사람이 평균 1.6시간 소요되는 실제 업무 기반으로 평가
• 장기 컴퓨터 사용(Long-horizon Computer Use) 능력 측정에 초점
• 클로드 오퍼스 4.8이 최고점 달성

큐레이터 노트

실제 전문가 수준의 업무 환경을 반영한 새로운 평가 기준을 제시함으로써, AI 에이전트의 장기 작업 수행 능력을 보다 현실적으로 측정할 수 있는 도구가 마련됐다.