AIモデル能力比較
コンピュータ操作
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)
PandaNpc 更新日 2026年10月21日 06:01 UTC
ソース: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
列ガイド
- 番号
- 表示順序のみです。並べ替えによりこの数値は変わりますが、公開された能力ランキングではありません。
- モデル
- 評価対象のモデル名とプロバイダーのアイコン。スコア列のダッシュは、ここに公開スコアがないことを意味し、ゼロではありません。
- スコア
- このソースはベンチマークスコアを公開しています。タスクの定義とスコアリング規則については、その方法論を開いてください。 評価方法論 ↗
- カバレッジ
- 選択したモデルファミリーについて公開されている結果のみを表示しています。OSWorld 2.x、Verified、Proは現在Claude Opus 5構成を提供していますが、これはすべてのモデルを完全に網羅するものではありません。Windows Agent Arena、MacArena、ScreenSpot-Pro、OSWorld-Human、WebArena-Verified、VisualWebArena、Online-Mind2Web、WorkArena++は、ここにはまだ統合されていません。SafeArenaは安全性を別途測定しており、タスク完了スコアには統合されていません。欠損した結果がゼロで埋められることはありません。