AI मॉडल क्षमता तुलना
कंप्यूटर उपयोग
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-benchकंप्यूटर-उपयोग एजेंट बेंचमार्क
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| क्र. | मॉडल | Est. API costमूल्यांकन के लिए अनुमानित API लागत | Input costप्रति मिलियन token इनपुट मूल्य | Output costआउटपुट मूल्य प्रति मिलियन token | Time / actionप्रति क्रिया औसत समय | |
|---|---|---|---|---|---|---|
| 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 अपडेटेड 21 अक्टू॰ 2026, 06:01 UTC
स्रोत: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
स्तंभ गाइड
- क्र.
- केवल प्रदर्शन क्रम। क्रमबद्ध करने पर यह संख्या बदलती है; यह प्रकाशित क्षमता रैंक नहीं है।
- मॉडल
- मूल्यांकित मॉडल का नाम और उसके प्रदाता का आइकन। स्कोर स्तंभ में डैश का अर्थ है कि यहाँ कोई प्रकाशित स्कोर उपलब्ध नहीं है, शून्य नहीं।
- स्कोर
- व्यावसायिक वीडियो गेम खेलने के लिए कीबोर्ड और माउस का उपयोग करने का परीक्षण करता है। यह ऑफ़िस-सॉफ़्टवेयर कार्यों के बजाय इंटरैक्टिव गेम नियंत्रण को मापता है। मूल्यांकन पद्धति ↗
- कवरेज
- केवल चयनित मॉडल परिवारों के प्रकाशित परिणाम दिखाए जाते हैं। OSWorld 2.x, Verified और Pro वर्तमान में Claude Opus 5 कॉन्फ़िगरेशन प्रदान करते हैं; यह हर मॉडल का पूर्ण कवरेज नहीं है। Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web और WorkArena++ अभी यहाँ एकीकृत नहीं हैं। SafeArena सुरक्षा को अलग से मापता है और कार्य-पूर्णता स्कोर में विलय नहीं किया जाता। अनुपलब्ध परिणामों को कभी शून्य से नहीं भरा जाता।
- Est. API cost
- मूल्यांकन के लिए अनुमानित API लागत · USD
- Input cost
- प्रति मिलियन token इनपुट मूल्य · USD / 1M tokens
- Output cost
- आउटपुट मूल्य प्रति मिलियन token · USD / 1M tokens
- Time / action
- प्रति क्रिया औसत समय · s / min
- Vals.ai
- इस बेंचमार्क के लिए लागत और समय Vals द्वारा रिपोर्ट किए गए हैं, न कि सार्वभौमिक मॉडल कीमतें या विलंबता। CUA-bench का अनुमानित API लागत मूल्यांकन उपयोग को कवर करता है और एक निम्न-सीमा अनुमान है, प्रति कार्य लागत नहीं; प्रति क्रिया समय एक औसत है, माध्यक नहीं। एक तारांकन लॉन्च-डे प्रॉम्प्ट-कैश व्यवहार को चिह्नित करता है जिसने कैश-राइट लागतें बढ़ाईं। अनुपलब्ध मान अप्रकाशित हैं, शून्य नहीं।