Benchmark
OSWorld-Verified
general
text
语言EN
满分1
参评模型11
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 ↗ |