Benchmark notes: the v10 rerun of the field and dialog tasks

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01Uirha5F5gJt93t3yEx3XcS

bench/computer-use/README.md

@@ -42,3 +42,9 @@ env ANYBOT_BOX_NAME=anybot-box-bench ANYBOT_BOX_VOLUME=anybot-box-bench-home ANY
 量測途中找到、修好的：box 上的 sudo 被安全規則擋掉（時區題一直失敗的原因）、gVisor 裡 setuid 不起作用、元素編號每看一次就重編（同一步的第二個點擊會點錯）、背景視窗的元素排在前面、網頁編號不進 shadow DOM、box 的 `TZ=UTC` 讓改時區看起來沒效、開新 box 撞埠號（重試後沒網路）。
 
 之後拿掉了 box 映像檔的 `ENV TZ=UTC`（box 版本 8）。已知還沒解決：快速模型在純畫面操作（計算機）比較笨手笨腳。
+
+## 之後再量（v10：用名字點、批次 16 個、單行輸入框全選後整段貼上、出兩次問題就改用 Bot 的模型）
+
+改 Chromium 搜尋引擎、Chromium 加書籤、Mousepad 存檔、填表、計算機，「分開」各 3 次、「不分開」各 2 次：25/25 成功、網址打壞 0 次；平均一題「分開」46 秒、「不分開」67 秒。先前最難的改搜尋引擎從 2–6 分鐘（還常失敗）降到 46–147 秒。
+
+找到的：快速模型對編號會對錯（改用名字）、一串按鍵塞不進 8 個的批次、box 上一個鍵一個鍵打進 Chromium 網址列會被剛開啟的頁面和自動完成攪亂（冒號掉、舊字混進來）、box 判斷單行輸入框時多了「#14（」前綴所以全選和貼上沒執行、同時給名字和 (0,0) 時點到角落、快速模型在陌生對話框一直猜名字。