OSWorld 2.0
OSWorld 2.0 の partial score。
- 分類
- コンピュータ操作
- 単位
- パーセント(%)
- 高いほど良い
- 比較グループ
- 3グループ
- すべてのモデルの順位(記録)・順位を付けた結果 4 件
すべてのモデルの順位(記録)
旧モデルと Claude Code / Codex で選べないモデルを含めて、比較グループごとに順位を付け直したものです。順位を付ける顔ぶれが違うので、上の順位とは違います。
旧モデル・選べないモデルを含む順位を開く(4 件)
公式の結果(Gemini 4 Argon model card)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Gemini 4 Argon | 記載なし | 69.2% | — | Gemini 4 Argon model card2026-11-12 取得・ベンダー発表値。Google 自己申告(model card, 2026-10 時点)。thinking 設定の記載なし出典の該当箇所OSWorld-2.0 Offline subset, partial score | 69.2% |
公式の結果(Gemini 3.8 Flash model card)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Gemini 3.8 Flash | 記載なし | 59.0% | — | Gemini 3.8 Flash model card2026-11-12 取得・ベンダー発表値。Google 自己申告(model card, 2026-09 時点)。thinking 設定の記載なし出典の該当箇所OSWorld-2.0 (partial score, batch tool enabled) | 59.0% |
公式の結果(Gemini 3.7 Flash model card)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Gemini 3.7 Flash | 記載なし | 47.9% | — | Gemini 3.7 Flash model card2026-11-13 取得・ベンダー発表値。Google の model card の表。methodology PDF(deepmind.com/models/evals-methodology/gemini-3-7-flash): All of the results are run with the Gemini API ... with default sampling settings unless indicated otherwise。自社計算・partial score・3 回の最大(各 1 試行)・最大 500 ステップ・公式の 08.08 パッチ前に実行出典の該当箇所OSWorld-2.0 Agentic computer use | 47.9%所在 Gemini 3.7 Flash model card の Evaluation 表、OSWorld-2.0 行・Gemini 3.7 Flash 列。自社計算の根拠は methodology PDF の Computer use / OSWorld 2.0 | |
| 2 | Gemini 3.6 Flash | 記載なし | 33.8% | — | Gemini 3.7 Flash model card2026-11-13 取得・ベンダー発表値。Google の model card の表。methodology PDF(deepmind.com/models/evals-methodology/gemini-3-7-flash): All of the results are run with the Gemini API ... with default sampling settings unless indicated otherwise。自社計算・partial score・3 回の最大(各 1 試行)・最大 500 ステップ・公式の 08.08 パッチ前に実行出典の該当箇所OSWorld-2.0 Agentic computer use | 33.8%所在 Gemini 3.7 Flash model card の Evaluation 表、OSWorld-2.0 行・Gemini 3.6 Flash 列。自社計算の根拠は methodology PDF の Computer use / OSWorld 2.0 |