AI मॉडल क्षमता तुलना
कंप्यूटर उपयोग
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)
स्रोत: OSWorld 2.x (official) ↗ · अपडेटेड 2026-10-15
PandaNpc अपडेटेड 21 अक्टू॰ 2026, 06:01 UTC
स्रोत: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
स्तंभ गाइड
- क्र.
- केवल प्रदर्शन क्रम। क्रमबद्ध करने पर यह संख्या बदलती है; यह प्रकाशित क्षमता रैंक नहीं है।
- मॉडल
- मूल्यांकित मॉडल का नाम और उसके प्रदाता का आइकन। स्कोर स्तंभ में डैश का अर्थ है कि यहाँ कोई प्रकाशित स्कोर उपलब्ध नहीं है, शून्य नहीं।
- स्कोर
- यह स्रोत एक बेंचमार्क स्कोर प्रकाशित करता है। कार्य परिभाषा और स्कोरिंग नियमों के लिए इसकी कार्यप्रणाली खोलें। मूल्यांकन पद्धति ↗
- कवरेज
- केवल चयनित मॉडल परिवारों के प्रकाशित परिणाम दिखाए जाते हैं। OSWorld 2.x, Verified और Pro वर्तमान में Claude Opus 5 कॉन्फ़िगरेशन प्रदान करते हैं; यह हर मॉडल का पूर्ण कवरेज नहीं है। Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web और WorkArena++ अभी यहाँ एकीकृत नहीं हैं। SafeArena सुरक्षा को अलग से मापता है और कार्य-पूर्णता स्कोर में विलय नहीं किया जाता। अनुपलब्ध परिणामों को कभी शून्य से नहीं भरा जाता।