Benchmark
OSWorld-Verified
general
text
Top 10
榜单概览
数据说明
分数为 0-100 百分制综合成绩（Elo 榜为相对评分，仅供同榜内比较）。评测分数属事实数据，整理自公开评测体系与厂商公开资料，部分分数为厂商自报口径，不同榜单的评测方法与数据集可能存在差异，请结合多个榜单交叉参考。
Ranking
模型排名
| 名次 | 模型 | 机构 | 分数 | 来源 |
|---|---|---|---|---|
| 1 | Claude Fable 5 | Anthropic | 85.0 | 来源 |
| 2 | Claude Opus 4.8 | Anthropic | 83.4 | 来源 |
| 3 | Claude Sonnet 5 | Anthropic | 81.2 | 来源 |
| 4 | Muse Spark 1.1 | Meta | 80.8 | 来源 |
| 5 | GPT-5.5 | OpenAI | 78.7 | 来源 |
| 6 | Claude Sonnet 4.6 | Anthropic | 78.5 | 来源 |
| 7 | Gemini 3.5 Flash | 78.4 | 来源 | |
| 8 | Claude Opus 4.7 | Anthropic | 78.0 | 来源 |
| 9 | Gemini 3.1 Pro Preview | 76.2 | 来源 | |
| 10 | GPT-5.4 | OpenAI | 75.0 | 来源 |
| 11 | MiniMax-M3 | MiniMax | 70.1 | 来源 |