OSWorld-Verified
Résultats des évaluations de l’IA et performances des modèles
Type: percentageAgents
Résultats enregistrés
3
Score moyen
76.30%
Plage des scores
65.90% - 84.30%
Modèle en tête
84.30% - Qwen 3.8 27B
Scores au fil du temps
Scores individuels du benchmark tracés par date.
Résultats des modèles
| Organisation | Modèles | Date du résultat | Meilleur score | Informations | Déclaré par le fournisseur | Source |
|---|---|---|---|---|---|---|
| Qwen 3.8 27B | 14 août 2026 | 84,30 % | - | Oui | Source | |
| Drex Max 1.1 | 28 oct. 2026 | 78,70 % | Nace launch chart "Decision Models Benchmark" (2026-10-28); reported as 0.787 | Oui | Source | |
| Muse Glimmer 30B | 10 août 2026 | 65,90 % | High reasoning; 361-task split; mean reward over four attempts | Oui | Source |
