AI-modellers kapacitetssammenligning
Computerbrug
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
CUA-benchComputerbrugsagent-benchmark
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| Nr. | Model | Est. API costEstimeret API-omkostning for evalueringen | Input costInputpris pr. million tokens | Output costOutputpris pr. million tokens | Time / actionGennemsnitstid pr. handling | |
|---|---|---|---|---|---|---|
| 1 |  GPT-6 AstraGPT-6 Astra | 19.17 | $1821.37* | $10 | $50 | 32.09 s |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 14 | $188.04 | $4 | $20 | 14.71 s |
| 3 | Claude Fable 5.1Claude Fable 5.1 | 13.17 | $323.78 | $10 | $50 | 37.44 s |
| 4 | Claude Opus 5Claude Opus 5 | 9 | $232.23 | $5 | $25 | 25.29 s |
| 5 |  Gemini 4 ArgonGemini 4 Argon | 4.83 | $193.78 | $4 | $20 | 1.18 min |
PandaNpc Opdateret 21. okt. 2026, 06.01 UTC
Kilde: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolonneguide
- Nr.
- Kun visningsrækkefølge. Sortering ændrer dette tal; det er ikke en offentliggjort kapacitetsrangering.
- Model
- Navnet på den evaluerede model og dens udbyderikon. En bindestreg i en scorekolonne betyder, at der ikke er en offentliggjort score tilgængelig her, ikke et nul.
- Score
- Tester evnen til at bruge tastatur og mus til at spille kommercielle videospil. Det måler interaktiv spilstyring frem for opgaver med kontorsoftware. Evalueringsmetodik ↗
- Dækning
- Kun offentliggjorte resultater for de valgte modelfamilier vises. OSWorld 2.x, Verified og Pro leverer i øjeblikket Claude Opus 5-konfigurationer; dette er ikke fuld dækning af alle modeller. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web og WorkArena++ er endnu ikke integreret her. SafeArena måler sikkerhed separat og er ikke flettet ind i opgavefuldførelsesscorer. Manglende resultater udfyldes aldrig med nul.
- Est. API cost
- Estimeret API-omkostning for evalueringen · USD
- Input cost
- Inputpris pr. million tokens · USD / 1M tokens
- Output cost
- Outputpris pr. million tokens · USD / 1M tokens
- Time / action
- Gennemsnitstid pr. handling · s / min
- Vals.ai
- Omkostninger og tider rapporteres af Vals for dette benchmark, ikke universelle modelpriser eller latenstid. Den estimerede API-omkostning for CUA-bench dækker evalueringsbrug og er et nedre grænseestimat, ikke omkostning pr. opgave; tid pr. handling er et gennemsnit, ikke en median. En stjerne markerer prompt-cache-adfærd på udgivelsesdagen, som øgede omkostninger til cache-skrivning. Manglende værdier er ikke offentliggjorte, ikke nul.