การเปรียบเทียบความสามารถของโมเดล AI
การใช้คอมพิวเตอร์
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)
แหล่งที่มา: OSWorld-Pro (paper v1) ↗
PandaNpc อัปเดต 21 ต.ค. 2569 06:01 UTC
แหล่งที่มา: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
คำแนะนำคอลัมน์
- ลำดับ
- เป็นเพียงลำดับการแสดงผลเท่านั้น การจัดเรียงจะเปลี่ยนตัวเลขนี้ ไม่ใช่การจัดอันดับความสามารถที่เผยแพร่
- โมเดล
- ชื่อโมเดลที่ถูกประเมินและไอคอนผู้ให้บริการ เครื่องหมายขีดในคอลัมน์คะแนนหมายความว่าไม่มีคะแนนที่เผยแพร่ที่นี่ ไม่ใช่ศูนย์
- คะแนน
- แหล่งนี้เผยแพร่คะแนน benchmark เปิดวิธีการของแหล่งนี้เพื่อดูนิยามงานและกฎการให้คะแนน ระเบียบวิธีประเมิน ↗
- ความครอบคลุม
- แสดงเฉพาะผลลัพธ์ที่เผยแพร่แล้วสำหรับตระกูลโมเดลที่เลือกเท่านั้น OSWorld 2.x, Verified และ Pro ปัจจุบันมีการกำหนดค่าของ Claude Opus 5; นี่ไม่ใช่ความครอบคลุมที่สมบูรณ์ของทุกโมเดล Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web และ WorkArena++ ยังไม่ได้รับการรวมไว้ที่นี่ SafeArena วัดความปลอดภัยแยกต่างหาก และไม่ถูกนำมารวมกับคะแนนความสำเร็จของงาน ผลลัพธ์ที่หายไปจะไม่ถูกเติมด้วยศูนย์