ベンチマーク
OS World
原文：OS World
コンピュータ操作のベンチマーク。エージェントが、再現可能なOS環境で、キーボード・マウス操作と構造化されたUIの観測を使って、実際のデスクトップやWebの課題をこなす。
2026年10月1日時点のデータ。最新の得点は原文へ。
概要
OSWorldは、任意のデスクトップアプリやWebアプリが動く実際のOS環境で、コンピュータを操作するエージェントを評価する。エージェントは、人間と同じようなキーボード・マウスの基本操作（クリック、入力、スクロール、ドラッグ、待機）で操作し、アクセシビリティツリーなどの構造化された観測としてUIの状態を受け取る。
課題は、画面の状態に即した操作と、長い手順にわたる計画（ファイル操作、アプリの設定、情報の検索、複数のアプリをまたぐ作業）に重点を置いている。成否は、最終状態が目標と制約を満たしているかを実際に確かめる、実行ベースのチェックで判定する。