OSWorld

Ver no idioma original →

Benchmark citado na comparação do desempenho dos modelos em tarefas de interação com computadores.

Mencionado em

• Qwen4 foi anunciado
• GPT-6.1 Terra tornou o uso do computador 9× mais barato
• A Meta acabou de lançar algo insano… (Muse Wonder)
• O computador autônomo: infraestrutura para agentes de uso de computador — Ang Li, Simular
• Holo4: um modelo que clica, programa e chama ferramentas
• Seu LLM as a judge é um mentiroso confiante: como criar verificadores melhores — Browserbase

Relacionados

GPQA Diamond, Alibaba, Qwen4, Apache License 2.0, Kimi K3.1, Qwen3.8 Flash Next, Qwen3.8 Max, GPT-6.1, OpenAI, Terra, Terminal-Bench 4.0, Luna