AI-modellers kapacitetssammenligning
Computerbrug
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)
Kilde: OSWorld Verified (official) ↗ · Opdateret 2026-08-01
PandaNpc Opdateret 21. okt. 2026, 06.01 UTC
Kilde: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolonneguide
- Nr.
- Kun visningsrækkefølge. Sortering ændrer dette tal; det er ikke en offentliggjort kapacitetsrangering.
- Model
- Navnet på den evaluerede model og dens udbyderikon. En bindestreg i en scorekolonne betyder, at der ikke er en offentliggjort score tilgængelig her, ikke et nul.
- Score
- Denne kilde offentliggør en benchmark-score. Åbn dens metode for opgavedefinition og scoringsregler. Evalueringsmetodik ↗
- Dækning
- Kun offentliggjorte resultater for de valgte modelfamilier vises. OSWorld 2.x, Verified og Pro leverer i øjeblikket Claude Opus 5-konfigurationer; dette er ikke fuld dækning af alle modeller. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web og WorkArena++ er endnu ikke integreret her. SafeArena måler sikkerhed separat og er ikke flettet ind i opgavefuldførelsesscorer. Manglende resultater udfyldes aldrig med nul.