🤖 Agentic · llm-stats.com
OSWorld
Real computer-use tasks across operating systems: browsers, office apps and file management.
2
Моделей протестировано
Claude Opus 4.6
Топ-модель
72.7%
Лучший результат
Anthropic
Провайдер
| # | Модель | OSWorld |
|---|---|---|
| 1 | Claude Opus 4.6 Anthropic | 72.7% |
| 2 | Claude Sonnet 4.6 Anthropic | 72.5% |
Данные бенчмарка агрегированы из llm-stats.com. Подробнее — в методологии.