agentic Agentic · llm-stats.com
OSWorld
Real computer-use tasks across operating systems: browsers, office apps and file management.
3
โมเดลที่ทดสอบ
Claude Opus 4.6
โมเดลเด่น
72.7%
คะแนนสูงสุด
Anthropic
ผู้ให้บริการ
| # | โมเดล | OSWorld |
|---|---|---|
| 1 | Claude Opus 4.6 Anthropic | 72.7% |
| 2 | GPT-6 Astra OpenAI | 72.6% |
| 3 | Claude Sonnet 4.6 Anthropic | 72.5% |
ข้อมูลเบนช์มาร์กรวบรวมจาก llm-stats.com ดู ระเบียบวิธี