AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
OSWorld-Verified
OSWorld-Verified is a verified subset of OSWorld, a scalable real computer environment for multimodal agents supporting task setup, execution-based evaluation, and interactive learning across Ubuntu, Windows, and macOS.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- multimodal
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 24
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Qwen3.8 Max | 0.861 | 未收录 | 未收录 | 2026-08-02 · model_announcement | LLM Stats |
| Claude Fable 5 | 0.85 | 未收录 | 未收录 | 2026-06-09 · model_announcement | LLM Stats |
| Qwen3.8-27B | 0.843 | 未收录 | 未收录 | 2026-08-14 · model_announcement | LLM Stats |
| Claude Opus 4.8 | 0.834 | 未收录 | 未收录 | 2026-05-28 · model_announcement | LLM Stats |
| Gemini 3.6 Flash | 0.83 | 未收录 | 未收录 | 2026-07-21 · model_announcement | LLM Stats |
| Claude Sonnet 5 | 0.812 | 未收录 | 未收录 | 2026-06-30 · model_announcement | LLM Stats |
| Muse Spark 1.1 | 0.808 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| Claude Mythos Preview | 0.796 | 未收录 | 未收录 | 2026-04-07 · model_announcement | LLM Stats |
| GPT-5.5 | 0.787 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| Gemini 3.5 Flash | 0.784 | 未收录 | 未收录 | 2026-05-19 · model_announcement | LLM Stats |
| Claude Opus 4.7 | 0.78 | 未收录 | 未收录 | 2026-04-16 · model_announcement | LLM Stats |
| GPT-5.4 | 0.75 | 未收录 | 未收录 | 2026-03-05 · model_announcement | LLM Stats |
| Gemini 3.5 Flash-Lite | 0.74 | 未收录 | 未收录 | 2026-07-21 · model_announcement | LLM Stats |
| Qwen3.7-Plus | 0.733 | 未收录 | 未收录 | 2026-05-31 · model_announcement | LLM Stats |
| Kimi K2.6 | 0.731 | 未收录 | 未收录 | 2026-04-20 · model_announcement | LLM Stats |
| GPT-5.4 mini | 0.721 | 未收录 | 未收录 | 2026-03-17 · model_announcement | LLM Stats |
| MiniMax M3 | 0.7006 | 未收录 | 未收录 | 2026-06-01 · model_announcement | LLM Stats |
| Muse Glimmer-30B | 0.659 | 未收录 | 未收录 | 2026-08-10 · model_announcement | LLM Stats |
| GPT-5.3 Codex | 0.647 | 未收录 | 未收录 | 2026-02-05 · model_announcement | LLM Stats |
| Qwen3.6 Plus | 0.625 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| Qwen3.5-122B-A10B | 0.58 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3.5-27B | 0.562 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3.5-35B-A3B | 0.545 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| GPT-5.4 nano | 0.39 | 未收录 | 未收录 | 2026-03-17 · model_announcement | LLM Stats |