OSWorld-Verified
AIベンチマーク結果とモデルの性能
種類: percentageAgents
記録された結果
3
平均スコア
76.30%
スコアの範囲
65.90% - 84.30%
最上位モデル
84.30% - Qwen 3.8 27B
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| Qwen 3.8 27B | 2026年8月14日 | 84.30% | - | はい | 出典 | |
| Drex Max 1.1 | 2026年10月28日 | 78.70% | Nace launch chart "Decision Models Benchmark" (2026-10-28); reported as 0.787 | はい | 出典 | |
| Muse Glimmer 30B | 2026年8月10日 | 65.90% | High reasoning; 361-task split; mean reward over four attempts | はい | 出典 |