Epoch AI · 컴퓨터 화면 조작 (OSWorld 2.0)
공개된 벤치마크 자료(LMArena 사용자 투표 순위, Epoch AI 시험 점수, OpenRouter 사용량 순위)를 정기적으로 받아 보여 줍니다. 각 순위표의 공개일과 가져온 날을 함께 표시합니다. 이 사이트가 직접 매긴 점수가 아닙니다.
이 순위표 읽는 법
무엇을 재나: XLANG Lab의 OSWorld 2.0은 실제 운영체제에서 수행하는 장시간 데스크톱·웹 작업 108개로 구성된 평가입니다. 원래 OSWorld와는 별도의 더 어려운 시험입니다.
점수 읽는 법: Epoch의 기본 지표는 작업의 모든 채점 체크포인트를 통과한 완전 성공률(%)입니다. 일부만 완료한 부분 점수와는 다릅니다.
주의할 점: 실행 환경, 도구 설정과 허용 단계 수에 따라 점수가 달라집니다. Epoch는 기본 500단계 예산의 결과를 표시하므로 같은 조건인지 확인하세요.
이번 순위에서 읽을 점
- 최고 점수는 Claude Opus 5의 31.4%입니다.
- 1위와 5위의 차이는 18.4%p입니다.
- 상위 9개 중 Anthropic 모델이 4개로 가장 많습니다.
- 이 시험 결과가 공개된 모델은 9개입니다.
컴퓨터 화면 조작 (OSWorld 2.0) Epoch AI
Epoch AI가 직접 측정했거나 개발사·평가 기관이 발표한 점수를 모은 자료입니다. 시험마다 평가된 모델이 달라서, 최신 모델이 아직 없는 시험도 있습니다. 같은 모델의 추론 강도별 결과 중 가장 높은 점수를 보여 줍니다. · 가져온 날 2026-10-04
막대는 정답률(%)입니다. 0%부터 그립니다.
표로 보기 (상위 9개)
| 순위 | 모델 | 만든 곳 | 출시일 | 점수 |
|---|---|---|---|---|
| 1 | #1Claude Opus 5(max) | Anthropic | 2026-07-24 | 31.4% |
| 2 | #2OGPT-5.6 Sol(max) | OpenAI | 2026-07-09 | 27.3% |
| 3 | #3Claude Opus 4.8 | Anthropic | 2026-05-28 | 20.6% |
| 4 | #4Claude Opus 4.7(max) | Anthropic | 2026-04-16 | 18.2% |
| 5 | #5OGPT-5.5(xhigh) | OpenAI | 2026-04-23 | 13.0% |
| 6 | #6Claude Sonnet 4.6(medium) | Anthropic | 2026-02-17 | 9.3% |
| 7 | #7MiniMax-M3 | MiniMax | 2026-06-01 | 4.6% |
| 8 | #8Kimi K2.6 | Moonshot AI | 2026-04-20 | 4.6% |
| 9 | #9Qwen3.7 Plus | Alibaba | 2026-06-02 | 2.8% |
데이터: LMArena leaderboard dataset (CC BY 4.0). 변경: 각 순위표의 상위 50개만 표시, 점수는 반올림. https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset회사 로고는 각 회사의 상표이며 구분을 돕기 위해서만 씁니다(아이콘: Simple Icons).데이터: Epoch AI — Capabilities & benchmarking (CC BY 4.0). https://epoch.ai/benchmarksSource: OpenRouter (openrouter.ai/rankings), as of 2026-10-04. Licensed under CC BY 4.0. https://openrouter.ai/rankings