BenchmarkOSWorld Benchmark
OSWorld
面向AI智能体的操作系统级别基准测试环境，用于评估智能体在桌面操作系统任务中的表现
Timeline (last 90 days)
Aug 26
Mythos Preview比Mythos 5早发布两个多月，但在UK AISI cyber ranges、GPQA、HLE+tools、OSWorld及多数病毒学任务等多项基准测试上超越了Mythos 5
Unverified50%
面向AI智能体的操作系统级别基准测试环境，用于评估智能体在桌面操作系统任务中的表现
Mythos Preview比Mythos 5早发布两个多月，但在UK AISI cyber ranges、GPQA、HLE+tools、OSWorld及多数病毒学任务等多项基准测试上超越了Mythos 5