השוואת יכולות מודלי AI
שימוש במחשב
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-benchבנצ'מרק סוכן לשימוש במחשב
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| מס' | מודל | Est. API costעלות API משוערת עבור ההערכה | Input costמחיר קלט למיליון token | Output costמחיר פלט למיליון token | Time / actionזמן ממוצע לפעולה | |
|---|---|---|---|---|---|---|
| 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 עודכן 21 באוק׳ 2026, 06:01 UTC
מקור: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
מדריך עמודות
- מס'
- סדר תצוגה בלבד. המיון משנה את המספר הזה; זה אינו דירוג יכולת מפורסם.
- מודל
- שם המודל המוערך והאייקון של הספק שלו. מקף בעמודת ציון מציין שלא זמין כאן ציון מפורסם, ולא אפס.
- ציון
- בוחן שימוש במקלדת ובעכבר כדי לשחק במשחקי וידאו מסחריים. הוא מודד שליטה אינטראקטיבית במשחק ולא משימות של תוכנת משרד. מתודולוגיית הערכה ↗
- כיסוי
- מוצגות רק תוצאות שפורסמו עבור משפחות המודלים הנבחרות. OSWorld 2.x, Verified ו-Pro מספקים כעת תצורות של Claude Opus 5; זהו לא כיסוי מלא של כל מודל. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web ו-WorkArena++ טרם שולבו כאן. SafeArena מודד בטיחות בנפרד ואינו ממוזג לציוני השלמת משימות. תוצאות חסרות לעולם אינן ממולאות באפס.
- Est. API cost
- עלות API משוערת עבור ההערכה · USD
- Input cost
- מחיר קלט למיליון token · USD / 1M tokens
- Output cost
- מחיר פלט למיליון token · USD / 1M tokens
- Time / action
- זמן ממוצע לפעולה · s / min
- Vals.ai
- עלויות וזמנים מדווחים על ידי Vals עבור בנצ'מרק זה, ולא מחירי מודלים או השהיה אוניברסליים. עלות ה-API המשוערת של CUA-bench מכסה שימוש בהערכה והיא אומדן חסם תחתון, לא עלות לכל משימה; זמן לפעולה הוא ממוצע, לא חציון. כוכבית מסמנת התנהגות prompt-cache ביום ההשקה שהגדילה את עלויות הכתיבה למטמון. ערכים חסרים לא פורסמו, לא אפס.