AIモデル能力比較
コンピュータ操作
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-benchコンピュータ操作エージェントベンチマーク
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| 番号 | モデル | Est. API cost評価にかかる推定APIコスト | Input cost100万tokenあたりの入力価格 | Output cost100万tokenあたりの出力価格 | Time / actionアクションあたりの平均時間 | |
|---|---|---|---|---|---|---|
| 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 更新日 2026年10月21日 06:01 UTC
ソース: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
列ガイド
- 番号
- 表示順序のみです。並べ替えによりこの数値は変わりますが、公開された能力ランキングではありません。
- モデル
- 評価対象のモデル名とプロバイダーのアイコン。スコア列のダッシュは、ここに公開スコアがないことを意味し、ゼロではありません。
- スコア
- キーボードとマウスを使って商用ビデオゲームをプレイする能力をテストします。オフィスソフトウェアのタスクではなく、インタラクティブなゲーム操作を測定します。 評価方法論 ↗
- カバレッジ
- 選択したモデルファミリーについて公開されている結果のみを表示しています。OSWorld 2.x、Verified、Proは現在Claude Opus 5構成を提供していますが、これはすべてのモデルを完全に網羅するものではありません。Windows Agent Arena、MacArena、ScreenSpot-Pro、OSWorld-Human、WebArena-Verified、VisualWebArena、Online-Mind2Web、WorkArena++は、ここにはまだ統合されていません。SafeArenaは安全性を別途測定しており、タスク完了スコアには統合されていません。欠損した結果がゼロで埋められることはありません。
- Est. API cost
- 評価にかかる推定APIコスト · USD
- Input cost
- 100万tokenあたりの入力価格 · USD / 1M tokens
- Output cost
- 100万tokenあたりの出力価格 · USD / 1M tokens
- Time / action
- アクションあたりの平均時間 · s / min
- Vals.ai
- コストと時間はこのベンチマークについて Vals によって報告されたものであり、普遍的なモデル価格やレイテンシではありません。CUA-bench の推定 API コストは評価での使用を対象としたもので、下限の推定値であり、タスクあたりのコストではありません。アクションあたりの時間は平均であり、中央値ではありません。アスタリスクは、キャッシュ書き込みコストを増加させたローンチ日のプロンプトキャッシュ動作を示します。欠損値は未公開であり、ゼロではありません。