OSWorld
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentage
दर्ज परिणाम
53
औसत स्कोर
47.31%
स्कोर सीमा
5.92% - 85%
अग्रणी मॉडल
85% - Claude Fable 5
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Claude Fable 5 | 09 जून 2026 | 85% | OSWorld-Verified; higher of Mythos 5 / Fable 5 in Anthropic's launch table | हाँ | स्रोत | |
| Claude Mythos 5 | 09 जून 2026 | 85% | OSWorld-Verified; higher of Mythos 5 / Fable 5 in Anthropic's launch table | हाँ | स्रोत | |
| Claude Opus 4.8 | 28 मई 2026 | 83.40% | OSWorld-Verified; updated Anthropic evaluation setup | हाँ | स्रोत | |
| Claude Sonnet 5 | 30 जून 2026 | 81.20% | OSWorld-Verified; pass@1 averaged over five runs; 361 tasks, 100 steps; adaptive thinking at max effort | हाँ | स्रोत | |
| Muse Spark 1.1 | 09 जुल॰ 2026 | 80.80% | OSWorld-Verified; agentic computer use | हाँ | स्रोत | |
| Claude Mythos Preview | 07 अप्रैल 2026 | 79.60% | Verified | हाँ | स्रोत | |
| GPT 5.5 | 23 अप्रैल 2026 | 78.70% | Verified | हाँ | स्रोत | |
| Claude Opus 4.7 | 16 अप्रैल 2026 | 78% | OSWorld-Verified | हाँ | स्रोत | |
| GPT 5 Pro | 07 अग॰ 2025 | 75% | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | हाँ | स्रोत | |
| GPT 5 Search API | 14 अक्टू॰ 2025 | 75% | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | हाँ | स्रोत | |
| GPT 5.4 | 05 मार्च 2026 | 75% | Verified | हाँ | स्रोत | |
| Claude Opus 4.6 | 05 फ़र॰ 2026 | 72.70% | OSWorld-Verified | हाँ | स्रोत | |
| Claude Sonnet 4.6 | 17 फ़र॰ 2026 | 72.50% | OSWorld-Verified | हाँ | स्रोत | |
| GPT 5.4 Mini | 17 मार्च 2026 | 72.10% | Verified | हाँ | स्रोत | |
| MiniMax M3 | 01 जून 2026 | 70% | Verified | हाँ | स्रोत | |
| Qwen 3 VL 235B A22B Instruct | - | 66.70% | - | हाँ | - | |
| Claude Opus 4.5 | 24 नव॰ 2025 | 66.26% | Pass@1; Avg@5, 64k Thinking | हाँ | स्रोत | |
| GPT 5.3 Codex | 05 फ़र॰ 2026 | 64.70% | OSWorld-Verified; xhigh reasoning | हाँ | स्रोत | |
| Qwen 3.6 Plus | 01 अप्रैल 2026 | 62.50% | - | हाँ | स्रोत | |
| GLM 5V Turbo | 01 अप्रैल 2026 | 62.30% | - | हाँ | स्रोत | |
| Qwen 3.5 122B A10B | 24 फ़र॰ 2026 | 58% | - | हाँ | स्रोत | |
| Qwen 3.5 27B | 24 फ़र॰ 2026 | 56.20% | - | हाँ | स्रोत | |
| Qwen 3.5 Flash | 23 फ़र॰ 2026 | 56.20% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | हाँ | स्रोत | |
| Qwen 3.5 35B A3B | 24 फ़र॰ 2026 | 54.50% | - | हाँ | स्रोत | |
| Claude Haiku 4.5 | 15 अक्टू॰ 2025 | 50.70% | inferred alias from claude-haiku-4-5-20251001 | हाँ | स्रोत |
