OSWorld 2.0 Partial (w/o exec)Agent

官方网站

OSWorld 2.0 Partial (w/o exec) 是 OSWorld 2.0 的部分得分设置，在不使用执行验证的条件下按任务完成进度给予部分分数。相比二值成功率，它能更细致地区分 Agent 在桌面操作任务中的阶段性能力。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

66.1%

2

GPT-5.6 SolOpenAI

62.6%

3

Claude Opus 4.8Anthropic

54.8%

4

Qwen3.8-Flash-Next阿里巴巴

52.3%

5

GPT-5.6 TerraOpenAI

50.2%

6

Qwen3.8-27B阿里巴巴

48.0%

7

Gemini 3.7 FlashGoogle

47.9%

8

GPT-5.5OpenAI

47.5%

9

Muse Spark 1.1Meta

47.3%

10

Qwen3.8-Max阿里巴巴

46.7%

共 14 个模型

返回基准目录