Srovnání schopností AI modelů
Použití počítače
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
No benchmarks from this source cover at least 3 recent-year models. Choose another source.
— means no published score for this candidate in this source, not zero.0/11 recent-year models have scores
OSWorld Verified (official)
Zdroj: OSWorld Verified (official) ↗ · Aktualizováno 2026-08-01
PandaNpc Aktualizováno 21. 10. 2026 06:01 UTC
Zdroj: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Průvodce sloupci
- Č.
- Pouze pořadí zobrazení. Řazení toto číslo mění; nejde o zveřejněné pořadí schopností.
- Model
- Název hodnoceného modelu a ikona jeho poskytovatele. Pomlčka ve sloupci se skóre znamená, že zde není k dispozici žádné zveřejněné skóre, nikoli nula.
- Skóre
- Tento zdroj zveřejňuje skóre benchmarku. Otevřete jeho metodiku pro definici úlohy a pravidla hodnocení. Metodika hodnocení ↗
- Pokrytí
- Zobrazují se pouze publikované výsledky pro vybrané rodiny modelů. OSWorld 2.x, Verified a Pro aktuálně poskytují konfigurace Claude Opus 5; nejde o úplné pokrytí všech modelů. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web a WorkArena++ zde zatím nejsou integrovány. SafeArena měří bezpečnost samostatně a není sloučena do skóre dokončení úloh. Chybějící výsledky nejsou nikdy nahrazeny nulou.