BenchLeader

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。

9 / 9
#
1GPT-6 Astramax19.2%67.3$1821.372026-10-13
2Claude Opus 5.5max14.0%68.4$188.042026-10-13
3Claude Fable 5.1max13.2%66.7$323.782026-10-13
4Claude Opus 5max9.0%65.0$232.232026-10-13
5GPT-5.6 Solmax8.3%65.3$206.992026-10-13
6Muse Wondermax7.2%60.8$597.212026-10-13
7Muse Spark 1.3max5.8%60.6$143.482026-10-13
8Gemini 4 Argonhigh4.8%65.3$193.782026-10-13
9Gemini 3.8 Flashhigh4.2%59.4$280.032026-10-13

更多智能体与工具基准测试 · 全部大模型基准测试

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。