OSWorld
AIベンチマーク結果とモデルの性能
種類: percentage
記録された結果
53
平均スコア
47.31%
スコアの範囲
5.92% - 85%
最上位モデル
85% - Claude Fable 5
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| Claude Fable 5 | 2026年6月09日 | 85% | OSWorld-Verified; higher of Mythos 5 / Fable 5 in Anthropic's launch table | はい | 出典 | |
| Claude Mythos 5 | 2026年6月09日 | 85% | OSWorld-Verified; higher of Mythos 5 / Fable 5 in Anthropic's launch table | はい | 出典 | |
| Claude Opus 4.8 | 2026年5月28日 | 83.40% | OSWorld-Verified; updated Anthropic evaluation setup | はい | 出典 | |
| Claude Sonnet 5 | 2026年6月30日 | 81.20% | OSWorld-Verified; pass@1 averaged over five runs; 361 tasks, 100 steps; adaptive thinking at max effort | はい | 出典 | |
| Muse Spark 1.1 | 2026年7月09日 | 80.80% | OSWorld-Verified; agentic computer use | はい | 出典 | |
| Claude Mythos Preview | 2026年4月07日 | 79.60% | Verified | はい | 出典 | |
| GPT 5.5 | 2026年4月23日 | 78.70% | Verified | はい | 出典 | |
| Claude Opus 4.7 | 2026年4月16日 | 78% | OSWorld-Verified | はい | 出典 | |
| GPT 5 Pro | 2025年8月07日 | 75% | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | はい | 出典 | |
| GPT 5 Search API | 2025年10月14日 | 75% | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | はい | 出典 | |
| GPT 5.4 | 2026年3月05日 | 75% | Verified | はい | 出典 | |
| Claude Opus 4.6 | 2026年2月05日 | 72.70% | OSWorld-Verified | はい | 出典 | |
| Claude Sonnet 4.6 | 2026年2月17日 | 72.50% | OSWorld-Verified | はい | 出典 | |
| GPT 5.4 Mini | 2026年3月17日 | 72.10% | Verified | はい | 出典 | |
| MiniMax M3 | 2026年6月01日 | 70% | Verified | はい | 出典 | |
| Qwen 3 VL 235B A22B Instruct | - | 66.70% | - | はい | - | |
| Claude Opus 4.5 | 2025年11月24日 | 66.26% | Pass@1; Avg@5, 64k Thinking | はい | 出典 | |
| GPT 5.3 Codex | 2026年2月05日 | 64.70% | OSWorld-Verified; xhigh reasoning | はい | 出典 | |
| Qwen 3.6 Plus | 2026年4月01日 | 62.50% | - | はい | 出典 | |
| GLM 5V Turbo | 2026年4月01日 | 62.30% | - | はい | 出典 | |
| Qwen 3.5 122B A10B | 2026年2月24日 | 58% | - | はい | 出典 | |
| Qwen 3.5 27B | 2026年2月24日 | 56.20% | - | はい | 出典 | |
| Qwen 3.5 Flash | 2026年2月23日 | 56.20% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | はい | 出典 | |
| Qwen 3.5 35B A3B | 2026年2月24日 | 54.50% | - | はい | 出典 | |
| Claude Haiku 4.5 | 2025年10月15日 | 50.70% | inferred alias from claude-haiku-4-5-20251001 | はい | 出典 |
