Benchmark
OSWorld
multimodal
general
vision
multimodal
OSWorld: The first-of-its-kind scalable, real computer environment for multimodal agents, supporting task setup, execution-based evaluation, and interactive learning across Ubuntu, Windows, and macOS with 369 computer tasks involving real web and desktop applications, OS file I/O, and multi-application workflows
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 | GPT-5.6 Sol | OpenAI | 62.6 | 来源 |
| 2 | Claude Sonnet 4.5 | Anthropic | 61.4 | 来源 |
| 3 | Claude Haiku 4.5 | Anthropic | 50.7 | 来源 |
| 4 | GPT-5.6 Terra | OpenAI | 50.2 | 来源 |
| 5 | GPT-5.6 Luna | OpenAI | 45.6 | 来源 |