벤치마크 · agentic
OSWorld 2.0
2026 long-horizon re-cut of OSWorld: 108 multi-app desktop workflows, median human task ~1.6h. Not on the same scale as OSWorld / OSWorld-Verified — file here only when the quote says 2.0.
| 날짜 | 모델 | 점수 | 출처 |
|---|---|---|---|
| 2026-09-05 | GPT‑6 Astra | 72.6% | OpenAI, 향상된 컴퓨터 사용·코딩·사이버보안 기능을 갖춘 GPT-6 Astra 출시 |
| 2026-09-04 | GPT-6 Astra | 72.6% | OpenAI가 105만 토큰 컨텍스트를 갖춘 컴퓨터 사용 모델 GPT-6 Astra 출시 |
| 2026-09-04 | Muse Spark 1.3 | 66.9% | Meta, 도구 호출 및 토큰을 줄인 Muse Spark 1.3 출시 |
| 2026-09-01 | Claude Fable 5.1 | 41.7% | Anthropic, Terminal-Bench-Science에서 52.6% 점수 및 저렴한 캐시 읽기와 함께 Claude Fable 5.1 출시 |
| 2026-08-04 | Qwen-CUA | 18.5% | Qwen, 397B-A17B 네이티브 컴퓨터 사용 에이전트 Qwen-CUA 출시 |
| 2026-08-04 | Qwen-CUA-Max | 21.2% | Qwen, 397B-A17B 네이티브 컴퓨터 사용 에이전트 Qwen-CUA 출시 |
| 2026-08-04 | Qwen-CUA | 18.5% | Qwen이 397B-A17B 네이티브 컴퓨터 사용 에이전트 Qwen-CUA 출시 |
| 2026-08-04 | Qwen-CUA-Max | 21.2% | Qwen이 397B-A17B 네이티브 컴퓨터 사용 에이전트 Qwen-CUA 출시 |
| 2026-07-28 | Claude Opus 5 | 70.0% | Anthropic, Fable에 대한 비용 효율적인 대안으로 Claude Opus 5 출시 |