AI 模型能力对比
电脑操作
仅显示最近一年发布的模型；只展示覆盖其中至少 3 款模型的评测。发布日期未知的不显示，历史数据仍保留。
Agent's Last Exam — Pass rate智能体终极考试 — 通过率
— 表示此来源未公布该候选的成绩，不代表零分。近一年模型中 3/11 款有成绩
| 序号 | 模型 | |
|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 39.5Pass rate |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 38.2Pass rate |
| 3 |  GPT-6 AstraGPT-6 Astra | 34.2Pass rate |
Google DeepMind (model card)
数据来源: Google DeepMind (model card) ↗
Google 模型卡汇总截至 2026 年 10 月的发布方测评及转载的第三方评分，并非全部为独立测评；具体评测设置见方法说明。 评测方法说明 ↗
Agent's Last Exam — Pass rate · Source date unknown
PandaNpc 更新于 2026年10月21日 UTC 06:01
数据来源: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
列说明
- 序号
- 仅表示当前显示顺序；排序会改变序号，它不是官方能力排名。
- 模型
- 显示被评测模型的名称及厂商图标；评分中的破折号表示此处暂无已发布成绩，不代表零分。
- 评分
- 测试在真实软件环境中完成长流程专业工作的能力；通过率统计达到任务要求的结果，而不是仅取得部分进展。 评测方法说明 ↗
- 覆盖范围
- 这里只展示所选模型家族已公布的结果。OSWorld 2.x、Verified 和 Pro 当前提供 Claude Opus 5 配置，并不代表所有模型均有覆盖。Windows Agent Arena、MacArena、ScreenSpot-Pro、OSWorld-Human、WebArena-Verified、VisualWebArena、Online-Mind2Web 和 WorkArena++ 尚未接入此处。SafeArena 单独衡量安全，不混入任务完成分数；缺失结果不会填零。