벤치마크 · 에이전트

OSWorld 2.0

컴퓨터 화면을 이해하고 GUI를 조작하는 능력을 평가합니다.

측정 모델 16개 · 프로필 2개 · 데이터 기준 2026년 10월 9일

LLM Stats 집계 대표

LLM Stats 공개 리더보드의 독립 프로필입니다. 검증·자기보고 여부를 보존합니다. 높을수록 좋습니다.

현재 최고점: 상용 Claude Opus 5.5 81.8% · 오픈 Qwen3.8-Flash-Next 19.4% → 상용이 62.4%p 앞섭니다.

차트를 불러오는 중입니다…

차트를 불러오는 중입니다…

						출처
1	Claude Opus 5.5Anthropic · 상용 API	API	81.8%	100	2026-09-22	자기보고 ↗
2	Claude Fable 5.1Anthropic · 상용 API	API	77.9%	92	2026-09-01	자기보고 ↗
3	GPT-6 AstraOpenAI · 상용 API	API	72.6%	85	2026-09-03	자기보고 ↗
4	Claude Opus 5Anthropic · 상용 API	API	70.6%	77	2026-07-24	자기보고 ↗
5	Muse Spark 1.3Meta · 상용 API	API	66.9%	69	2026-09-02	자기보고 ↗
6	GPT-6 SolOpenAI · 상용 API	API	64.4%	62	2026-09-22	자기보고 ↗
7	GPT-5.6 SolOpenAI · 상용 API	API	62.6%	54	2026-07-09	자기보고 ↗
8	Gemini 3.8 FlashGoogle · 상용 API	API	59%	46	2026-09-02	자기보고 ↗
9	GPT-6 LunaOpenAI · 상용 API	API	52.7%	38	2026-09-22	자기보고 ↗
10	GPT-5.6 TerraOpenAI · 상용 API	API	50.2%	31	2026-07-09	자기보고 ↗
11	Gemini 3.7 FlashGoogle · 상용 API	API	47.9%	23	2026-08-13	자기보고 ↗
12	GPT-5.6 LunaOpenAI · 상용 API	API	45.6%	15	2026-07-09	자기보고 ↗
13	Qwen3.8 FlashAlibaba (Qwen) · 상용 API	API	19.4%	4	2026-08-26	자기보고 ↗
14	Qwen3.8-Flash-NextAlibaba (Qwen) · 오픈 웨이트	오픈	19.4%	4	2026-08-24	자기보고 ↗

공급자가 같은 표에서 공개한 특정 평가 설정의 결과입니다. 하네스가 다른 리더보드 점수와 합치지 않습니다. 높을수록 좋습니다.

차트를 불러오는 중입니다…

차트를 불러오는 중입니다…

마커: 원 = 오픈 웨이트, 사각 = 상용 API, 빈 마커 = 검증되지 않은 값. 점을 누르면 모델 상세로 이동합니다. 백분위는 이 프로필 안에서의 상대 위치입니다.