OSWorld-Verified
AI 基准测试结果和模型表现
类型: percentageAgents
已记录的结果
3
平均分数
76.30%
分数范围
65.90% - 84.30%
领先模型
84.30% - Qwen 3.8 27B
分数变化趋势
按日期绘制的单项基准测试分数。
模型结果
| 组织 | 模型 | 报告时间 | 最高分数 | 信息 | 自行报告 | 来源 |
|---|---|---|---|---|---|---|
| Qwen 3.8 27B | 2026年8月14日 | 84.30% | - | 是 | 来源 | |
| Drex Max 1.1 | 2026年10月28日 | 78.70% | Nace launch chart "Decision Models Benchmark" (2026-10-28); reported as 0.787 | 是 | 来源 | |
| Muse Glimmer 30B | 2026年8月10日 | 65.90% | High reasoning; 361-task split; mean reward over four attempts | 是 | 来源 |
