AndroidWorld多模态Agent

AndroidWorld 由 Google DeepMind 于 2024 年提出，是一个在真实 Android 模拟器中评测 AI 智能体完成移动端任务能力的基准。包含从简单点击到多步骤跨应用操作等 116 个任务，使用任务完成率（Success Rate）作为评估指标，是衡量 GUI 智能体能力的标尺。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

88.8%

2

Qwen3.8-Max阿里巴巴

85.3%

3

Qwen3.8-Flash-Next阿里巴巴

84.5%

4

Qwen3.8-27B阿里巴巴

81.9%

5

Qwen3.7-Plus阿里巴巴

81.0%

6

GPT-5.6 SolOpenAI

77.6%

7

Claude Opus 4.8Anthropic

75.0%

8

Gemini 3.1 ProGoogle

70.7%

9

Qwen3.6-27B阿里巴巴

70.3%

10

Qwen3.6-Plus阿里巴巴

67.2%

共 11 个模型

返回基准目录