OSWorld-Verified · Verified benchmark; evaluation protocol noted per source · 测试定义与成绩

OSWorld-Verified · Verified benchmark; evaluation protocol noted per source 收录 12 次模型发布的评测披露或成绩。

测试版本与指标

别名 OSWorld Verified

  • First-attempt success rate · % · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

First-attempt success rate %

工具条件未记录 / xhigh / 框架未记录 · 条件未说明

OSWorld-Verified · Verified benchmark; evaluation protocol noted per source · First-attempt success rate · 工具条件未记录 / xhigh / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Xhigh78.7%

工具条件未记录 / none / 框架未记录 · 条件未说明

OSWorld-Verified · Verified benchmark; evaluation protocol noted per source · First-attempt success rate · 工具条件未记录 / none / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5None53%

工具条件未记录 / low / 框架未记录 · 条件未说明

OSWorld-Verified · Verified benchmark; evaluation protocol noted per source · First-attempt success rate · 工具条件未记录 / low / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Low71%

工具条件未记录 / medium / 框架未记录 · 条件未说明

OSWorld-Verified · Verified benchmark; evaluation protocol noted per source · First-attempt success rate · 工具条件未记录 / medium / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Medium76%

工具条件未记录 / high / 框架未记录 · 条件未说明

OSWorld-Verified · Verified benchmark; evaluation protocol noted per source · First-attempt success rate · 工具条件未记录 / high / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5High78%

工具条件未记录 / xhigh / 框架未记录 · OSWorld-Verified.

OSWorld-Verified · Verified benchmark; evaluation protocol noted per source · First-attempt success rate · 工具条件未记录 / xhigh / 框架未记录 · OSWorld-Verified.
名次模型与配置成绩(%)记录与证据
1GPT-5.4 miniXhigh72.1%
2GPT-5.3 CodexXhigh64.7%
3GPT-5.4 nanoXhigh39%

OSWorld-Verified with an API parameter preserving original image resolution.

OSWorld-Verified · Verified benchmark; evaluation protocol noted per source · First-attempt success rate · OSWorld-Verified with an API parameter preserving original image resolution.
模型与配置成绩(%)记录与证据
GPT-5.3 CodexXhigh74%

历史记录 · 12 次发布

  • Claude Sonnet 5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 4.8本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.5本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • Claude Opus 4.7本次发布有 4 条成绩记录,含 4 条精确值(可含历史记录)
  • GPT-5.4 mini本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4 nano本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Sonnet 4.6本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 4.6本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.3 Codex本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • GPT-5.2 Codex本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Haiku 4.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)