Vergleich der Fähigkeiten von KI-Modellen
Computernutzung
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)
Quelle: OSWorld Verified (official) ↗ · Aktualisiert 2026-08-01
PandaNpc Aktualisiert 21. Okt. 2026, 06:01 UTC
Quelle: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Spaltenleitfaden
- Nr.
- Nur Anzeigereihenfolge. Sortierung ändert diese Nummer; sie ist kein veröffentlichter Fähigkeitsrang.
- Modell
- Der Name des bewerteten Modells und sein Anbietersymbol. Ein Bindestrich in einer Wertspalte bedeutet, dass hier kein veröffentlichter Wert verfügbar ist, nicht eine Null.
- Punktzahl
- Diese Quelle veröffentlicht einen Benchmark-Wert. Öffnen Sie ihre Methodik für die Aufgabendefinition und die Bewertungsregeln. Evaluierungsmethodik ↗
- Abdeckung
- Es werden nur veröffentlichte Ergebnisse für die ausgewählten Modellfamilien gezeigt. OSWorld 2.x, Verified und Pro liefern derzeit Claude Opus 5-Konfigurationen; dies ist keine vollständige Abdeckung jedes Modells. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web und WorkArena++ sind hier noch nicht integriert. SafeArena misst Sicherheit separat und wird nicht in Aufgabenabschluss-Scores eingerechnet. Fehlende Ergebnisse werden niemals mit null aufgefüllt.