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年5月20日·1,172 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
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。
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
模型模式说明
许可证:
来源:
模型发布时间截止:
OSWorld-Verified 排名
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Claude Mythos Preview 扩展思考工具 | 79.60 | 2026-04-07 | 未知 | 闭源 | |
 GPT-5.5 思考水平 · 高工具 | 78.70 | 2026-04-23 | 未知 | 闭源 | |
 Gemini 3.5 Flash 思考水平 · 高工具 | 78.40 | 2026-06-20 | 未知 | 闭源 | |
4 | Opus 4.7 扩展思考工具 | 78.00 | 2026-04-16 | 未知 | 闭源 |
5 | GPT-5.4 思考水平 · 极高工具 | 75.00 | 2026-03-05 | 未知 | 闭源 |
6 |  Kimi K2.6 开启思考工具 | 73.10 | 2026-04-20 | 10000亿 | 免费商用 |
7 | Claude Opus 4.6 扩展思考工具 | 72.70 | 2026-02-05 | 未知 | 闭源 |
8 | Claude Sonnet 4.6 开启思考工具 | 72.50 | 2026-02-17 | 未知 | 闭源 |
9 | GPT-5.4 mini 思考水平 · 极高工具 | 72.10 | 2026-03-17 | 未知 | 闭源 |
10 |  Qwen3.5-397B-A17B 开启思考工具 | 62.20 | 2026-02-16 | 397亿 | 免费商用 |
11 | Claude Sonnet 4.5 开启思考工具 | 61.40 | 2025-09-30 | 未知 | 闭源 |
12 | Qwen3.5-27B 开启思考工具 | 56.20 | 2026-02-25 | 270亿 | 免费商用 |
13 | Claude Sonnet 4 开启思考工具 | 42.20 | 2025-05-23 | 未知 | 闭源 |
14 | GPT-5.4 nano 思考水平 · 极高工具 | 39.00 | 2026-03-17 | 未知 | 闭源 |
15 | Claude Sonnet 3.7 开启思考工具 | 28.00 | 2025-02-25 | 未知 | 闭源 |