Agenter & datoranvändning · XLANG Lab, University of Hong Kong
OSWorld 2.0
Hur ofta en AI-agent helt på egen hand klarar långa, verklighetstrogna arbetsuppgifter på en dator genom att klicka, skriva och använda vanliga program och webbplatser.
Placeringar (18, varav 16 i vår lista)
- 1 44.33% (delpoäng 77.67%)[1]
- 2 39.25% (delpoäng 69.56%)[1]
- 3 36.89% (delpoäng 68.92%)[1]
- 4 33.33% (delpoäng 73.11%)[1]
- 5 33.01% (delpoäng 64.85%)[1]
- 6 31.43% (delpoäng 68.31%)[1]
- 7 30.21% (delpoäng 67.67%)[1]
- 8 28.98% (delpoäng 63.79%)[1]
- 9 27.34% (delpoäng 62.72%)[1]
- 10 25.33% (delpoäng 60.49%)[1]
- 11 22.32% (delpoäng 54.89%)[1]
- 12 20.6% (delpoäng 54.8%)[1]
Claude Opus 4.8 Anthropic · tankenivå max, batchade verktygsanrop; uppgiftsversion v2026.06.24 - 13 18.81% (delpoäng 59.09%)[1]
- 14 18.52% (delpoäng 49.33%)[1] Claude Opus 4.8 Anthropic · tankenivå max, vanliga verktygsanrop; uppgiftsversion v2026.06.24
- 15 18.2% (delpoäng 48.91%)[1]
- 16 15.84% (delpoäng 44.08%)[1]
- 17 13.9% (delpoäng 49.1%)[1]
- 22 4.6% (delpoäng 22.1%)[1]
Källor
- [1] OSWorld 2.0: Benchmarking Computer-Use Agents on Long-Horizon Real-World Tasks (leaderboard) ↗XLANG Lab, University of Hong KongTopplistaosworld-v2.xlang.aiPublicerad 15 okt 2026 Läst 25 okt 2026
Historik
- 25 okt 2026Fler placeringar länkade till modeller som lagts till i listan.
- 25 okt 2026Tillagd. Avläst 25 okt 2026 från OSWorld 2.0 (listan uppdaterad 15 okt 2026).