OSWorld-Verified
Ergebnisse von KI-Benchmarks und Modellleistung
Typ: percentageAgents
Erfasste Ergebnisse
3
Durchschnittspunktzahl
76.30%
Punktzahlbereich
65.90% - 84.30%
Führendes Modell
84.30% - Qwen 3.8 27B
Punktzahlen im Zeitverlauf
Einzelne Benchmark-Punktzahlen nach Datum.
Modellergebnisse
| Organisation | Modelle | Gemeldet am | Höchste Punktzahl | Info | Selbst gemeldet | Quelle |
|---|---|---|---|---|---|---|
| Qwen 3.8 27B | 14. Aug. 2026 | 84,30 % | - | Ja | Quelle | |
| Drex Max 1.1 | 28. Okt. 2026 | 78,70 % | Nace launch chart "Decision Models Benchmark" (2026-10-28); reported as 0.787 | Ja | Quelle | |
| Muse Glimmer 30B | 10. Aug. 2026 | 65,90 % | High reasoning; 361-task split; mean reward over four attempts | Ja | Quelle |
