Vergleich der Fähigkeiten von KI-Modellen
Computernutzung
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-benchComputer-Use-Agent-Benchmark
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| Nr. | Modell | Est. API costGeschätzte API-Kosten für die Evaluierung | Input costEingabepreis pro Million Token | Output costAusgabepreis pro Million Token | Time / actionDurchschnittszeit pro Aktion | |
|---|---|---|---|---|---|---|
| 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 Aktualisiert 21. Okt. 2026, 06:01 UTC
Quelle: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Spaltenleitfaden
- Nr.
- Nur Anzeigereihenfolge. Sortierung ändert diese Nummer; sie ist kein veröffentlichter Fähigkeitsrang.
- Modell
- Der Name des bewerteten Modells und sein Anbietersymbol. Ein Bindestrich in einer Wertspalte bedeutet, dass hier kein veröffentlichter Wert verfügbar ist, nicht eine Null.
- Punktzahl
- Testet die Nutzung von Tastatur und Maus, um kommerzielle Videospiele zu spielen. Es misst interaktive Spielsteuerung statt Office-Software-Aufgaben. Evaluierungsmethodik ↗
- Abdeckung
- Es werden nur veröffentlichte Ergebnisse für die ausgewählten Modellfamilien gezeigt. OSWorld 2.x, Verified und Pro liefern derzeit Claude Opus 5-Konfigurationen; dies ist keine vollständige Abdeckung jedes Modells. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web und WorkArena++ sind hier noch nicht integriert. SafeArena misst Sicherheit separat und wird nicht in Aufgabenabschluss-Scores eingerechnet. Fehlende Ergebnisse werden niemals mit null aufgefüllt.
- Est. API cost
- Geschätzte API-Kosten für die Evaluierung · USD
- Input cost
- Eingabepreis pro Million Token · USD / 1M tokens
- Output cost
- Ausgabepreis pro Million Token · USD / 1M tokens
- Time / action
- Durchschnittszeit pro Aktion · s / min
- Vals.ai
- Kosten und Zeiten werden für diesen Benchmark von Vals gemeldet, nicht als allgemeine Modellpreise oder Latenz. Die geschätzten API-Kosten für CUA-bench decken die Evaluierungsnutzung ab und sind eine untere Abschätzung, nicht die Kosten pro Aufgabe; die Zeit pro Aktion ist ein Durchschnitt, kein Median. Ein Sternchen kennzeichnet das Prompt-Cache-Verhalten am Launch-Tag, das die Cache-Schreibkosten erhöht hat. Fehlende Werte sind unveröffentlicht, nicht null.