Sammenligning av AI-modellers kapabiliteter
Datamaskinbruk
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)
Kilde: OSWorld 2.x (official) ↗ · Oppdatert 2026-10-15
PandaNpc Oppdatert 21. okt. 2026, 06:01 UTC
Kilde: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolonneveiledning
- Nr.
- Kun visningsrekkefølge. Sortering endrer dette tallet; det er ikke en publisert kapabilitetsrangering.
- Modell
- Navnet på den evaluerte modellen og ikonet til leverandøren. En strek i en poengkolonne betyr at ingen publisert poengsum er tilgjengelig her, ikke null.
- Poeng
- Denne kilden publiserer en benchmark-poengsum. Åpne metodikken for oppgavedefinisjon og poengberegningsregler. Evalueringsmetodikk ↗
- Dekning
- Bare publiserte resultater for de valgte modellfamiliene vises. OSWorld 2.x, Verified og Pro tilbyr for tiden Claude Opus 5-konfigurasjoner; dette er ikke fullstendig dekning av alle modeller. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web og WorkArena++ er ennå ikke integrert her. SafeArena måler sikkerhet separat og slås ikke sammen med oppgavefullføringsscorene. Manglende resultater fylles aldri ut med null.