OSWorld-Verified · Partial score; 5 runs; 100-step maximum · 测试定义与成绩

OSWorld-Verified · Partial score; 5 runs; 100-step maximum 收录 2 次模型发布的评测披露或成绩。

测试版本与指标

别名 OSWorld-Verified partial score

  • 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 / high / 框架未记录 · OSWorld-Verified official methodology; averaged over 5 runs, one attempt each, Docker/evaluator, 1080p, max 100 steps, pyautogui and UI-specific function declarations.

OSWorld-Verified · Partial score; 5 runs; 100-step maximum · Partial score · 允许工具 / high / 框架未记录 · OSWorld-Verified official methodology; averaged over 5 runs, one attempt each, Docker/evaluator, 1080p, max 100 steps, pyautogui and UI-specific function declarations.
模型与配置成绩(%)记录与证据
Gemini 3.5 Flash-LiteHigh74%

历史记录 · 2 次发布

  • Gemini 3.5 Flash-Lite本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Gemini 3.6 Flash本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)