跳到主内容
知行录
leaderboard.cn
Toggle Sidebar
搜索模型或厂商…
⌘K
分析
前沿模型
历史趋势
本地模型
模型对比
榜单工坊
资料库
模型库
模型价格
厂商
基准评测
数据源
设置
Toggle Sidebar
知行录
leaderboard.cn
正在加载页面内容
反馈
基准详情正在加载
返回基准目录
OSWorld 2.0 (first-attempt success)
多模态
Agent
分享
1080p、每题最多 500 个动作步骤；首次尝试成功率，5 次运行平均。需要模型裁判的任务使用 Claude Opus 4.8。
排行
数据源
#
模型
得分
1
Claude Opus 5
Anthropic
70.6
%
2
Claude Fable 5
Anthropic
66.1
%
3
GPT-5.6 Sol
OpenAI
62.6
%
4
Claude Opus 4.8
Anthropic
55.7
%
共 4 个模型
