OSWorld · 2.0 offline subset; partial score · 测试定义与成绩

OSWorld · 2.0 offline subset; partial score 收录 1 次模型发布的评测披露或成绩。

测试版本与指标

别名 OSWorld-2.0 offline subset

  • Partial score · % · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

Partial score %

允许工具 / 推理预算未记录 / 框架未记录 · OSWorld 2.0 offline subset, partial score; maximum over 3 runs, one attempt per run, 1080p, max 500 steps; batched tools and screenshot-only observation.

OSWorld · 2.0 offline subset; partial score · Partial score · 允许工具 / 推理预算未记录 / 框架未记录 · OSWorld 2.0 offline subset, partial score; maximum over 3 runs, one attempt per run, 1080p, max 500 steps; batched tools and screenshot-only observation.
模型与配置成绩(%)记录与证据
Gemini 4 Argon未注明69.2%

历史记录 · 1 次发布

  • Gemini 4 Argon本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)