OSWorld
نتائج معايير الذكاء الاصطناعي وأداء النماذج
النوع: percentage
النتائج المسجلة
53
متوسط النقاط
47.31%
نطاق النقاط
5.92% - 85%
النموذج المتصدر
85% - Claude Fable 5
النقاط بمرور الوقت
نقاط المعيار الفردية معروضة حسب التاريخ.
نتائج النماذج
| المؤسسة | النماذج | تاريخ الإبلاغ | أعلى نقطة | معلومات | مُبلَّغ عنها ذاتيًا | المصدر |
|---|---|---|---|---|---|---|
| Claude Fable 5 | ٠٩ يونيو ٢٠٢٦ | ٨٥٪ | OSWorld-Verified; higher of Mythos 5 / Fable 5 in Anthropic's launch table | نعم | المصدر | |
| Claude Mythos 5 | ٠٩ يونيو ٢٠٢٦ | ٨٥٪ | OSWorld-Verified; higher of Mythos 5 / Fable 5 in Anthropic's launch table | نعم | المصدر | |
| Claude Opus 4.8 | ٢٨ مايو ٢٠٢٦ | ٨٣٫٤٠٪ | OSWorld-Verified; updated Anthropic evaluation setup | نعم | المصدر | |
| Claude Sonnet 5 | ٣٠ يونيو ٢٠٢٦ | ٨١٫٢٠٪ | OSWorld-Verified; pass@1 averaged over five runs; 361 tasks, 100 steps; adaptive thinking at max effort | نعم | المصدر | |
| Muse Spark 1.1 | ٠٩ يوليو ٢٠٢٦ | ٨٠٫٨٠٪ | OSWorld-Verified; agentic computer use | نعم | المصدر | |
| Claude Mythos Preview | ٠٧ أبريل ٢٠٢٦ | ٧٩٫٦٠٪ | Verified | نعم | المصدر | |
| GPT 5.5 | ٢٣ أبريل ٢٠٢٦ | ٧٨٫٧٠٪ | Verified | نعم | المصدر | |
| Claude Opus 4.7 | ١٦ أبريل ٢٠٢٦ | ٧٨٪ | OSWorld-Verified | نعم | المصدر | |
| GPT 5 Pro | ٠٧ أغسطس ٢٠٢٥ | ٧٥٪ | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | نعم | المصدر | |
| GPT 5 Search API | ١٤ أكتوبر ٢٠٢٥ | ٧٥٪ | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | نعم | المصدر | |
| GPT 5.4 | ٠٥ مارس ٢٠٢٦ | ٧٥٪ | Verified | نعم | المصدر | |
| Claude Opus 4.6 | ٠٥ فبراير ٢٠٢٦ | ٧٢٫٧٠٪ | OSWorld-Verified | نعم | المصدر | |
| Claude Sonnet 4.6 | ١٧ فبراير ٢٠٢٦ | ٧٢٫٥٠٪ | OSWorld-Verified | نعم | المصدر | |
| GPT 5.4 Mini | ١٧ مارس ٢٠٢٦ | ٧٢٫١٠٪ | Verified | نعم | المصدر | |
| MiniMax M3 | ٠١ يونيو ٢٠٢٦ | ٧٠٪ | Verified | نعم | المصدر | |
| Qwen 3 VL 235B A22B Instruct | - | ٦٦٫٧٠٪ | - | نعم | - | |
| Claude Opus 4.5 | ٢٤ نوفمبر ٢٠٢٥ | ٦٦٫٢٦٪ | Pass@1; Avg@5, 64k Thinking | نعم | المصدر | |
| GPT 5.3 Codex | ٠٥ فبراير ٢٠٢٦ | ٦٤٫٧٠٪ | OSWorld-Verified; xhigh reasoning | نعم | المصدر | |
| Qwen 3.6 Plus | ٠١ أبريل ٢٠٢٦ | ٦٢٫٥٠٪ | - | نعم | المصدر | |
| GLM 5V Turbo | ٠١ أبريل ٢٠٢٦ | ٦٢٫٣٠٪ | - | نعم | المصدر | |
| Qwen 3.5 122B A10B | ٢٤ فبراير ٢٠٢٦ | ٥٨٪ | - | نعم | المصدر | |
| Qwen 3.5 27B | ٢٤ فبراير ٢٠٢٦ | ٥٦٫٢٠٪ | - | نعم | المصدر | |
| Qwen 3.5 Flash | ٢٣ فبراير ٢٠٢٦ | ٥٦٫٢٠٪ | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | نعم | المصدر | |
| Qwen 3.5 35B A3B | ٢٤ فبراير ٢٠٢٦ | ٥٤٫٥٠٪ | - | نعم | المصدر | |
| Claude Haiku 4.5 | ١٥ أكتوبر ٢٠٢٥ | ٥٠٫٧٠٪ | inferred alias from claude-haiku-4-5-20251001 | نعم | المصدر |
