Comparación de capacidades de modelos de IA
Uso de computadora
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 2.x (official)
Fuente: OSWorld 2.x (official) ↗ · Actualizado 2026-10-15
PandaNpc Actualizado 21 oct 2026, 06:01 UTC
Fuente: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guía de columnas
- N.º
- Solo orden de visualización. El ordenamiento cambia este número; no es un ranking de capacidad publicado.
- Modelo
- El nombre del modelo evaluado y el icono de su proveedor. Un guion en una columna de puntuación significa que no hay una puntuación publicada disponible aquí, no un cero.
- Puntuación
- Esta fuente publica una puntuación de benchmark. Consulte su metodología para la definición de la tarea y las reglas de puntuación. Metodología de evaluación ↗
- Cobertura
- Solo se muestran los resultados publicados para las familias de modelos seleccionadas. OSWorld 2.x, Verified y Pro actualmente proporcionan configuraciones de Claude Opus 5; esto no es una cobertura completa de todos los modelos. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web y WorkArena++ aún no están integrados aquí. SafeArena mide la seguridad por separado y no se fusiona en las puntuaciones de finalización de tareas. Los resultados faltantes nunca se rellenan con cero.