OSWorld 2.0 Binary (w/o exec)Agent

官方网站

OSWorld 2.0 Binary (w/o exec) 是 OSWorld 2.0 的二值评分设置，在不使用执行验证的条件下评估桌面操作任务是否完成。该指标适合衡量 Agent 在复杂 GUI/系统环境中的端到端成功率。

排行数据源

#模型得分

1

Claude Opus 4.8Anthropic

20.6%

2

Qwen3.8-Flash-Next阿里巴巴

19.4%

3

Qwen3.8-27B阿里巴巴

19.4%

4

Qwen3.8-Max阿里巴巴

19.4%

5

Muse Spark 1.1Meta

14.2%

6

GPT-5.5OpenAI

13.9%

7

Gemini 3.1 ProGoogle

7.8%

8

Qwen3.7-Plus阿里巴巴

2.8%

共 8 个模型

返回基准目录

OSWorld 2.0 Binary (w/o exec)Agent

官方网站

OSWorld 2.0 Binary (w/o exec) 是 OSWorld 2.0 的二值评分设置，在不使用执行验证的条件下评估桌面操作任务是否完成。该指标适合衡量 Agent 在复杂 GUI/系统环境中的端到端成功率。

排行数据源

#模型得分

1

Claude Opus 4.8Anthropic

20.6%

2

Qwen3.8-Flash-Next阿里巴巴

19.4%

3

Qwen3.8-27B阿里巴巴

19.4%

4

Qwen3.8-Max阿里巴巴

19.4%

5

Muse Spark 1.1Meta

14.2%

6

GPT-5.5OpenAI

13.9%

7

Gemini 3.1 ProGoogle

7.8%

8

Qwen3.7-Plus阿里巴巴

2.8%

共 8 个模型