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 2026-04-16
742 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
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。
模型发布时间截止:
OSWorld-Verified详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Claude Mythos Preview 扩展思考工具 | 79.60 | 2026-04-07 | 未知 |
| 2 | Claude Opus 4.7 扩展思考工具 | 78.00 | 2026-04-16 | 未知 |
| 3 | GPT-5.4 思考水平 · 超高工具 | 75.00 | 2026-03-05 | 未知 |
| 4 | Claude Opus 4.6 扩展思考工具 | 72.70 | 2026-02-05 | 未知 |
| 5 | 72.50 | 2026-02-17 | 未知 | |
| 6 | GPT-5.4 mini 思考水平 · 超高工具 | 72.10 | 2026-03-17 | 未知 |
| 7 | 62.20 | 2026-02-16 | 397 | |
| 8 | 61.40 | 2025-09-30 | 未知 | |
| 9 | Qwen3.5-27B 思考工具 | 56.20 | 2026-02-25 | 270 |
| 10 | Claude Sonnet 4 思考工具 | 42.20 | 2025-05-23 | 未知 |
| 11 | GPT-5.4 nano 思考水平 · 超高工具 | 39.00 | 2026-03-17 | 未知 |
| 12 | 28.00 | 2025-02-25 | 未知 |