Benchmark

  • 榜单数据10-16 17:00
  • 论文数据10-16 13:30
  • 周报10-16 11:26

Benchmark

多模态各研究方向的核心榜单：每个分数都标注来源类型与来源链接，每日从官方榜单、官方仓库和论文同步。

最近更新：2026-10-16 17:00

已接入榜单7覆盖 1 个研究方向
收录成绩470不同模型、设置与来源分别计数
官方榜单成绩59%275 条来自官方榜单
最近同步10-16 17:00每日同步

GUI Agent · 界面定位3 个榜单

OSWorld-G

定位准确率 · 5 条成绩

界面定位
  1. 1Jedi-7B54.1
  2. 2Jedi-3B50.9
  3. 3UI-TARS-7B47.5
论文报告 5

同步于 2026-10-16 16:57

ScreenSpot v2

定位准确率 · 28 条成绩

界面定位
  1. 1UI-Venus-72B95.3
  2. 2duvoai/duvo-eye-195.0
  3. 3Hcompany/Holo2-30B-A3B94.9
官方榜单 24模型方自报 4

同步于 2026-10-16 16:57

ScreenSpot-Pro

定位准确率 · 99 条成绩

界面定位
  1. 1GroundCascade (Indeed-UI-32B + KV-Ground-8B)85.1
  2. 2GroundCascade (Indeed-UI-32B + Indeed-UI-8B)85.0
  3. 3Indeed-UI-32B-zoomin82.7
官方榜单 98模型方自报 1

同步于 2026-10-16 16:57

GUI Agent · 任务执行4 个榜单

AndroidWorld

任务成功率（pass@1） · 47 条成绩

任务执行
  1. 1agent-qa by Vostride AI（gpt-6-sol）100.0
  2. 1AGI-0（AGI-AW）100.0
  3. 1FluizAI（gpt-4o / gpt-5.6-sol）100.0
模型方自报 47

同步于 2026-10-16 16:57

OSWorld

任务成功率 · 204 条成绩

任务执行
  1. 1Intelligence-Indeed Agent90.2
  2. 2claude-fable-5[1m]86.0
  3. 3Pointer Agent w/ Opus 4.783.6
官方榜单 110模型方自报 94

同步于 2026-10-16 16:57

OSWorld 2.0

二值准确率 · 39 条成绩

任务执行
  1. 1Darwinx w/ Claude Opus 4.844.4
  2. 2Claude Opus 544.3
  3. 3Sai w/ Claude Opus 541.7
官方榜单 34模型方自报 5

同步于 2026-10-16 16:57

WebArena

任务成功率 · 48 条成绩

任务执行
  1. 1Narada AI Code86.1
  2. 2WebTactix（Deepseek v3.2）74.3
  3. 3OpAgent71.6
官方榜单 9论文报告 37模型方自报 2

同步于 2026-10-16 17:00

即将接入

  • 🎨 文生图
  • ✏️ 图编辑
  • 🎬 视频生成
  • 🧊 3D 生成
  • 💻 Visual2Code
  • 📐 3D2Code
  • 🌍 世界模型
  • 🦾 具身智能
  • 👁️ VLM
  • 🧾 OCR
  • 🎧 音频
  • 💬 LLM