跳过主要内容
评测来源/OSWorld-Verified
观察中专业工作

OSWorld-Verified

XLANG Lab · OSWorld-Verified 的公开模型评测结果。

官方评测
来源说明

该来源测量模型在「专业工作」领域的具体交付表现,原始成绩会和统一能力读数分开展示。

限制: 不同版本、推理设置和测试集可能导致分数变化,请结合数据时间阅读。

使用方式

参与排名的来源会影响能力分;参考、交叉参考和观察来源仅用于对比与核验。

本来源的模型成绩

Claude Fable 58585.02026-06-09
Claude Opus 4.883.483.42026-06-09
Claude Sonnet 581.281.22026-06-30
Muse Spark 1.180.880.82026-07-09
GPT-5.578.778.72026-04-23
Claude Sonnet 4.678.578.52026-06-30
Claude Opus 4.77878.02026-04-23
Gemini 3.1 Pro Preview76.276.22026-05-19
GPT-5.47575.02026-04-23
MiniMax-M370.0670.12026-06-01

常见问题