Confronto delle capacità dei modelli AI
Uso del computer
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 agente per uso del computer
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| N. | Modello | Est. API costCosto API stimato per la valutazione | Input costPrezzo di input per milione di token | Output costPrezzo dell'output per milione di token | Time / actionTempo medio per azione | |
|---|---|---|---|---|---|---|
| 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 Aggiornato 21 ott 2026, 06:01 UTC
Fonte: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guida alle colonne
- N.
- Solo ordine di visualizzazione. L'ordinamento modifica questo numero; non è una classifica di capacità pubblicata.
- Modello
- Il nome del modello valutato e l'icona del suo fornitore. Un trattino in una colonna di punteggio indica che qui non è disponibile alcun punteggio pubblicato, non uno zero.
- Punteggio
- Verifica l'uso di tastiera e mouse per giocare a videogiochi commerciali. Misura il controllo interattivo del gioco anziché attività di software d'ufficio. Metodologia di valutazione ↗
- Copertura
- Sono mostrati solo i risultati pubblicati per le famiglie di modelli selezionate. OSWorld 2.x, Verified e Pro attualmente forniscono configurazioni di Claude Opus 5; questa non è una copertura completa di ogni modello. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web e WorkArena++ non sono ancora integrati qui. SafeArena misura la sicurezza separatamente e non viene integrato nei punteggi di completamento delle attività. I risultati mancanti non vengono mai riempiti con zero.
- Est. API cost
- Costo API stimato per la valutazione · USD
- Input cost
- Prezzo di input per milione di token · USD / 1M tokens
- Output cost
- Prezzo dell'output per milione di token · USD / 1M tokens
- Time / action
- Tempo medio per azione · s / min
- Vals.ai
- I costi e i tempi sono riportati da Vals per questo benchmark, non sono prezzi o latenza universali dei modelli. Il costo API stimato di CUA-bench copre l'utilizzo per la valutazione ed è una stima per difetto, non il costo per attività; il tempo per azione è una media, non una mediana. Un asterisco indica il comportamento della prompt-cache del giorno di lancio che ha aumentato i costi di scrittura della cache. I valori mancanti non sono pubblicati, non sono zero.