加载中...
加载中...
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。
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
Source: DataLearnerAI
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Claude Sonnet 4.6thinking + 使用工具 | 72.5 | 2026-02-17 | 未知 |
| 2 | Claude Sonnet 4.5thinking + 使用工具 | 61.4 | 2025-09-30 | 未知 |