Claude 4.5 Sonnet là một bước tiến lớn trong tiêu chuẩn sử dụng máy tính OSWorld, từ 42% lên 61% Nhưng OSWorld kiểm tra nó trên những nhiệm vụ nhỏ, khá đơn giản. Điều này có ý nghĩa gì đối với khả năng tự định hướng dài hạn? Chúng tôi đã thêm Sonnet 4.5 vào AI Village để tìm hiểu. 🧵 những ấn tượng đầu tiên