DataLearner 标志DataLearnerAI
最新AI资讯
大模型评测
大模型列表
大模型对比
资源中心
工具
语言中文

加载中...

DataLearner 标志DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台，持续更新可落地的 AI 能力图谱。

产品

  • 评测榜单
  • 模型对比
  • 数据资源

资源

  • 部署教程
  • 原创内容
  • 工具导航

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例，为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款
  1. 返回评测基准列表
  2. /
  3. OSWorld-Verified

OSWorld-Verified

OSWorld 是一个用于测试 AI 代理在真实计算机环境中的基准。这些代理是能处理文字、图片等信息的 AI 系统。基准包括开放式任务，比如操作文件或使用软件。OSWorld Verified 是它的改进版，通过修复问题和提升运行方式，提供更准确的测试结果。它支持不同操作系统，如 Ubuntu、Windows 和 macOS，并允许 AI 通过互动学习来完成任务。

更新于 2026-04-03
615 次浏览
问题数量
369
发布机构
个人
评测类别
AI Agent - 工具使用
评测指标
Accuracy
支持语言
英文
难度等级
中等难度

简介

一个用于验证大模型Agent在操作计算机方面能力的评测基准，OSWorld的升级版本

相关资源

查看原始论文
阅读学术论文原文
获取数据集
下载评测数据集
访问官网
浏览项目官方网站
DataLearner 介绍
中文详细解读

OSWorld-Verified 大模型得分排行榜

数据来源：DataLearnerAI

数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法

模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...

OSWorld-Verified评测最新大模型排名与完整榜单数据

查看 OSWorld-Verified 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。

OSWorld-Verified详细排名数据表格

排名模型
1
GPT-5.4
深度思考工具
752026-03-05未知
2
Claude Opus 4.6
深度思考工具
72.72026-02-05未知
3
Claude Sonnet 4.6
思考水平 · 中工具
72.52026-02-17未知
4
GPT-5.4 mini
深度思考工具
72.12026-03-17未知
5
Qwen3.5-397B-A17B
思考水平 · 中工具
62.22026-02-16397
6
Claude Sonnet 4.5
思考水平 · 中工具
61.42025-09-30未知
7
Qwen3.5-27B
思考水平 · 中工具
56.22026-02-25270
8
Claude Sonnet 4
思考水平 · 中工具
42.22025-05-23未知
9
GPT-5.4 nano
深度思考工具
392026-03-17未知
10
Claude Sonnet 3.7
思考水平 · 中工具
282025-02-25未知