OSWorld-Verified
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentageAgents
Resultados registrados
3
Puntuación media
76.30%
Rango de puntuaciones
65.90% - 84.30%
Modelo líder
84.30% - Qwen 3.8 27B
Puntuaciones a lo largo del tiempo
Puntuaciones individuales de la evaluación a lo largo del tiempo.
Resultados de modelos
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| Qwen 3.8 27B | 14 ago 2026 | 84,30 % | - | Sí | Fuente | |
| Drex Max 1.1 | 28 oct 2026 | 78,70 % | Nace launch chart "Decision Models Benchmark" (2026-10-28); reported as 0.787 | Sí | Fuente | |
| Muse Glimmer 30B | 10 ago 2026 | 65,90 % | High reasoning; 361-task split; mean reward over four attempts | Sí | Fuente |
