CUA-bench 排行榜
截至 2026年11月16日,CUA-bench 的最高分为 19.2%,由 GPT-6 Astra(OpenAI)取得,领先于 Claude Opus 5.5(14.0%)。共有 9 个模型配置公布了结果(Vals AI,结果日期 2026年10月13日)。让一个计算机操作智能体通过屏幕、键盘和鼠标玩六款商业游戏,按进度评分。其中三款游戏公开,三款留出。CUA-bench 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- GPT-6 Astra 以 19.2% 保持 CUA-bench 最高分(Vals AI,2026年10月13日)。
- Claude Opus 5.5 以 14.0% 位列 CUA-bench 第二(Vals AI,2026年10月13日)。
- CUA-bench:只用键盘和鼠标玩六款商业电子游戏,其中一半不公开。由 Vals AI 运行(Vals AI)。
- BenchLeader 上有 9 个模型配置公布了 CUA-bench 结果(BenchLeader,2026年11月16日)。
- CUA-bench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
只用键盘和鼠标玩六款商业电子游戏,其中一半不公开。由 Vals AI 运行。
- 发布方
- Vals AI
- 类别
- 智能体与工具
- Index 权重
- 仅作参考
- 模型
- 9
- 数据截至
- 2026年11月16日
Vals AI (vals.ai).
测试内容
让一个计算机操作智能体通过屏幕、键盘和鼠标玩六款商业游戏,按进度评分。其中三款游戏公开,三款留出。
评分方式
各游戏的进度得分,由 Vals AI 运行。
注意事项
游戏考查的更多是感知与控制循环,而不是知识;脚手架和帧率都有影响。
- 1GPT-6 Astra (max)19.2%
- 2Claude Opus 5.5 (max)14.0%
- 3Claude Fable 5.1 (max)13.2%
- 4Claude Opus 5 (max)9.0%
- 5GPT-5.6 Sol (max)8.3%
- 6Muse Wonder (max)7.2%
- 7Muse Spark 1.3 (max)5.8%
- 8Gemini 4 Argon (high)4.8%
- 9Gemini 3.8 Flash (high)4.2%
9 / 9
| # | |||||
|---|---|---|---|---|---|
| 1 | 19.2% | 67.3 | $1821.37 | 2026-10-13 | |
| 2 | 14.0% | 68.4 | $188.04 | 2026-10-13 | |
| 3 | 13.2% | 66.7 | $323.78 | 2026-10-13 | |
| 4 | 9.0% | 65.0 | $232.23 | 2026-10-13 | |
| 5 | 8.3% | 65.3 | $206.99 | 2026-10-13 | |
| 6 | 7.2% | 60.8 | $597.21 | 2026-10-13 | |
| 7 | 5.8% | 60.6 | $143.48 | 2026-10-13 | |
| 8 | 4.8% | 65.3 | $193.78 | 2026-10-13 | |
| 9 | 4.2% | 59.4 | $280.03 | 2026-10-13 |
相关基准测试
CUA-bench 上的热门模型对比
引用格式:BenchLeader,《CUA-bench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_cua_bench。
CUA-bench:常见问题
- CUA-bench 衡量的是什么?
- 让一个计算机操作智能体通过屏幕、键盘和鼠标玩六款商业游戏,按进度评分。其中三款游戏公开,三款留出。分数以完成任务的百分比表示,越高越好。
- CUA-bench 的最高分是多少?
- 截至 2026年11月16日,CUA-bench 的最高分为 19.2%,由 GPT-6 Astra 取得(结果日期 2026年10月13日),领先于 Claude Opus 5.5(14.0%)。分数来自 Vals AI,每天重新读取。
- 哪个 AI 模型在 CUA-bench 上领先?
- 截至 2026年11月16日,CUA-bench 排名第一的是 GPT-6 Astra,分数为 19.2%(结果日期 2026年10月13日)。其后为 Claude Opus 5.5(14.0%)。
- 有多少模型有 CUA-bench 结果?
- BenchLeader 上有 9 个模型配置有 CUA-bench 结果,全部取自 Vals AI。
- CUA-bench 由谁运行,多久更新一次?
- CUA-bench 由 Vals AI 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- CUA-bench 是否计入 BenchLeader Index?
- 不计入。CUA-bench 仅作参考展示,不计入综合分数。