人工智能模型能力比較
電腦操作
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 2026年10月21日 06:01 [UTC]
來源: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
欄位說明
- 編號
- 僅供顯示排序。排序會改變此數字；此並非已發佈的能力排名。
- 模型
- 受評估的模型名稱及其供應商圖示。分數欄中的破折號表示此處沒有已發佈的分數，而非零分。
- 評分
- 此來源發佈了一項基準分數。請開啟其方法說明以了解任務定義及評分規則。 評估方法 ↗
- 覆蓋範圍
- 只顯示所選模型系列嘅已公佈結果。OSWorld 2.x、Verified 同 Pro 目前提供 Claude Opus 5 配置；呢個唔係所有模型嘅完整覆蓋。Windows Agent Arena、MacArena、ScreenSpot-Pro、OSWorld-Human、WebArena-Verified、VisualWebArena、Online-Mind2Web 同 WorkArena++ 尚未整合到呢度。SafeArena 會分開量度安全性，唔會合併到任務完成分數。缺失結果永遠唔會以零填補。