Comparaison des capacités des modèles d'IA
Utilisation d'ordinateur
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-benchBenchmark d'agent d'utilisation d'ordinateur
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| N° | Modèle | Est. API costCoût API estimé pour l’évaluation | Input costPrix d'entrée par million de tokens | Output costPrix de sortie par million de tokens | Time / actionTemps moyen par action | |
|---|---|---|---|---|---|---|
| 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 Mis à jour 21 oct. 2026, 06:01 UTC
Source: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guide des colonnes
- N°
- Ordre d'affichage uniquement. Le tri modifie ce numéro ; il ne s'agit pas d'un classement de capacité publié.
- Modèle
- Le nom du modèle évalué et l'icône de son fournisseur. Un tiret dans une colonne de score signifie qu'aucun score publié n'est disponible ici, et non un zéro.
- Score
- Teste l'utilisation d'un clavier et d'une souris pour jouer à des jeux vidéo commerciaux. Il mesure le contrôle interactif de jeu plutôt que des tâches de logiciels bureautiques. Méthodologie d'évaluation ↗
- Couverture
- Seuls les résultats publiés pour les familles de modèles sélectionnées sont affichés. OSWorld 2.x, Verified et Pro fournissent actuellement des configurations Claude Opus 5 ; il ne s'agit pas d'une couverture complète de tous les modèles. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web et WorkArena++ ne sont pas encore intégrés ici. SafeArena mesure la sécurité séparément et n'est pas fusionné dans les scores d'achèvement des tâches. Les résultats manquants ne sont jamais remplis par zéro.
- Est. API cost
- Coût API estimé pour l’évaluation · USD
- Input cost
- Prix d'entrée par million de tokens · USD / 1M tokens
- Output cost
- Prix de sortie par million de tokens · USD / 1M tokens
- Time / action
- Temps moyen par action · s / min
- Vals.ai
- Les coûts et les temps sont rapportés par Vals pour ce benchmark, et non les prix ou la latence universels des modèles. Le coût API estimé de CUA-bench couvre l’usage lié à l’évaluation et constitue une estimation de borne inférieure, et non un coût par tâche ; le temps par action est une moyenne, pas une médiane. Un astérisque signale un comportement de cache de prompt le jour du lancement qui a augmenté les coûts d’écriture du cache. Les valeurs manquantes ne sont pas publiées ; elles ne valent pas zéro.