agentic Agentic · llm-stats.com
OSWorld
Real computer-use tasks across operating systems: browsers, office apps and file management.
3
测试模型数
Claude Opus 4.6
最佳模型
72.7%
最高分
Anthropic
提供商
| # | 模型名称 | OSWorld |
|---|---|---|
| 1 | Claude Opus 4.6 Anthropic | 72.7% |
| 2 | GPT-6 Astra OpenAI | 72.6% |
| 3 | Claude Sonnet 4.6 Anthropic | 72.5% |
基准数据聚合自 llm-stats.com。详见方法论。