Yapay Zeka Modeli Yetenek Karşılaştırması
Bilgisayar kullanımı
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)
Kaynak: OSWorld 2.x (official) ↗ · Güncellendi 2026-10-15
PandaNpc Güncellendi 21 Eki 2026 06:01 UTC
Kaynak: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Sütun kılavuzu
- No.
- Yalnızca görüntüleme sırası. Sıralama bu sayıyı değiştirir; yayımlanmış bir yetenek sıralaması değildir.
- Model
- Değerlendirilen model adı ve sağlayıcı simgesi. Bir puan sütunundaki tire, burada yayımlanmış bir puanın bulunmadığı anlamına gelir; sıfır değildir.
- Puan
- Bu kaynak bir benchmark puanı yayımlar. Görev tanımı ve puanlama kuralları için metodolojisini açın. Değerlendirme metodolojisi ↗
- Kapsam
- Yalnızca seçilen model aileleri için yayımlanmış sonuçlar gösterilir. OSWorld 2.x, Verified ve Pro şu anda Claude Opus 5 yapılandırmalarını sağlıyor; bu, her modelin tam kapsamı değildir. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web ve WorkArena++ burada henüz entegre edilmemiştir. SafeArena güvenliği ayrı ölçer ve görev tamamlama puanlarına dahil edilmez. Eksik sonuçlar asla sıfırla doldurulmaz.