OSWorld 2.0
Das Ergebnis jedes Modells, so, wie der Benchmarking Hub von Epoch AI es veröffentlicht, von Epoch gemessen oder aus der genannten Quelle gesammelt. Facthory hat sie nicht selbst gemessen.
Daten: Epoch AI, „Capabilities & benchmarking“, epoch.ai/benchmarks, lizenziert unter CC BY 4.0. Gelesen am 16.11.2026.
| # | Modell | Organisation | Ergebnis | Nachweis |
|---|---|---|---|---|
| 1 | Claude Opus 5 (max) API access | Anthropic | 31,4 % | – |
| 2 | Claude Opus 5 (xhigh) API access | Anthropic | 30,2 % | – |
| 3 | Claude Opus 5 (high) API access | Anthropic | 29 % | – |
| 4 | GPT-5.6 Sol (max) API access | OpenAI | 27,3 % | – |
| 5 | Claude Opus 5 (medium) API access | Anthropic | 25,3 % | – |
| 6 | Claude Opus 5 (low) API access | Anthropic | 22,3 % | – |
| 7 | Claude Opus 4.8 API access | Anthropic | 20,6 % | – |
| 8 | Claude Opus 4.7 (max) API access | Anthropic | 18,2 % | – |
| 9 | GPT-5.5 (xhigh) API access | OpenAI | 13 % | – |
| 10 | Claude Sonnet 4.6 (medium) API access | Anthropic | 9,3 % | – |
| 11 | Claude Sonnet 4.6 (max) API access | Anthropic | 8,3 % | – |
| 12 | MiniMax-M3 Open weights (restricted use) | MiniMax | 4,6 % | – |
| 13 | Kimi K2.6 Open weights (unrestricted) | Moonshot | 4,6 % | – |
| 14 | Qwen3.7 Plus API access | Alibaba | 2,8 % | – |
