Comparaison des capacités des modèles d'IA
Utilisation d'ordinateur
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-Pro (paper v1)
Source: OSWorld-Pro (paper v1) ↗
PandaNpc Mis à jour 21 oct. 2026, 06:01 UTC
Source: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guide des colonnes
- N°
- Ordre d'affichage uniquement. Le tri modifie ce numéro ; il ne s'agit pas d'un classement de capacité publié.
- Modèle
- Le nom du modèle évalué et l'icône de son fournisseur. Un tiret dans une colonne de score signifie qu'aucun score publié n'est disponible ici, et non un zéro.
- Score
- Cette source publie un score de benchmark. Ouvrez sa méthodologie pour la définition de la tâche et les règles de notation. Méthodologie d'évaluation ↗
- Couverture
- Seuls les résultats publiés pour les familles de modèles sélectionnées sont affichés. OSWorld 2.x, Verified et Pro fournissent actuellement des configurations Claude Opus 5 ; il ne s'agit pas d'une couverture complète de tous les modèles. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web et WorkArena++ ne sont pas encore intégrés ici. SafeArena mesure la sécurité séparément et n'est pas fusionné dans les scores d'achèvement des tâches. Les résultats manquants ne sont jamais remplis par zéro.