So sánh năng lực mô hình AI

Sử dụng máy tính

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)

Nguồn: OSWorld-Pro (paper v1) ↗

PandaNpc Đã cập nhật 06:01 UTC 21 thg 10, 2026

Nguồn: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)

Hướng dẫn cột

STT: Chỉ là thứ tự hiển thị. Việc sắp xếp làm thay đổi số này; đây không phải là xếp hạng năng lực được công bố.
Mô hình: Tên mô hình được đánh giá và biểu tượng nhà cung cấp của mô hình đó. Dấu gạch ngang trong một cột điểm nghĩa là không có điểm nào được công bố ở đây, chứ không phải là số 0.
Điểm: Nguồn này công bố điểm benchmark. Hãy mở phương pháp luận của nguồn để xem định nghĩa tác vụ và quy tắc tính điểm. Phương pháp đánh giá ↗
Độ bao phủ: Chỉ hiển thị kết quả đã công bố cho các nhóm mô hình đã chọn. OSWorld 2.x, Verified và Pro hiện cung cấp cấu hình Claude Opus 5; đây không phải phạm vi bao phủ đầy đủ của mọi mô hình. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web và WorkArena++ chưa được tích hợp ở đây. SafeArena đo lường an toàn riêng và không được hợp nhất vào điểm hoàn thành tác vụ. Kết quả bị thiếu không bao giờ được điền bằng không.