Benchmark

Android Control High_EM

multimodal reasoning multimodal

Android device control benchmark using high exact match evaluation metric for assessing agent performance on mobile interface tasks

语言EN
满分1
参评模型3

模型排名

名次 模型 机构 分数 来源
1 Qwen2.5 VL 32B Instruct Alibaba Cloud / Qwen Team 69.6 来源 ↗
2 Qwen2.5 VL 72B Instruct Alibaba Cloud / Qwen Team 67.4 来源 ↗
3 Qwen2.5 VL 7B Instruct Alibaba Cloud / Qwen Team 60.1 来源 ↗