OSWorld-Verified
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentageAgents
दर्ज परिणाम
3
औसत स्कोर
76.30%
स्कोर सीमा
65.90% - 84.30%
अग्रणी मॉडल
84.30% - Qwen 3.8 27B
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 |
|---|---|---|---|---|---|---|
| Qwen 3.8 27B | 14 अग॰ 2026 | 84.30% | - | हाँ | स्रोत | |
| Drex Max 1.1 | 28 अक्टू॰ 2026 | 78.70% | Nace launch chart "Decision Models Benchmark" (2026-10-28); reported as 0.787 | हाँ | स्रोत | |
| Muse Glimmer 30B | 10 अग॰ 2026 | 65.90% | High reasoning; 361-task split; mean reward over four attempts | हाँ | स्रोत |
