Vergelijking van AI-modelcapaciteiten
Computergebruik
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-benchComputergebruik-agentbenchmark
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| Nr. | Model | Est. API costGeschatte API-kosten voor de evaluatie | Input costInvoerprijs per miljoen tokens | Output costUitvoerprijs per miljoen tokens | Time / actionGemiddelde tijd per actie | |
|---|---|---|---|---|---|---|
| 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 Bijgewerkt 21 okt 2026, 06:01 UTC
Bron: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolomgids
- Nr.
- Alleen weergavevolgorde. Sorteren verandert dit nummer; het is geen gepubliceerde capaciteitsrang.
- Model
- De naam van het geëvalueerde model en het pictogram van de provider. Een streepje in een scorekolom betekent dat hier geen gepubliceerde score beschikbaar is, niet een nul.
- Score
- Test het gebruik van een toetsenbord en muis om commerciële videogames te spelen. Het meet interactieve spelbesturing in plaats van kantoorsoftwaretaken. Evaluatiemethodologie ↗
- Dekking
- Alleen gepubliceerde resultaten voor de geselecteerde modelfamilies worden getoond. OSWorld 2.x, Verified en Pro leveren momenteel Claude Opus 5-configuraties; dit is geen volledige dekking van elk model. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web en WorkArena++ zijn hier nog niet geïntegreerd. SafeArena meet veiligheid afzonderlijk en wordt niet samengevoegd in taakvoltooiingsscores. Ontbrekende resultaten worden nooit met nul ingevuld.
- Est. API cost
- Geschatte API-kosten voor de evaluatie · USD
- Input cost
- Invoerprijs per miljoen tokens · USD / 1M tokens
- Output cost
- Uitvoerprijs per miljoen tokens · USD / 1M tokens
- Time / action
- Gemiddelde tijd per actie · s / min
- Vals.ai
- Kosten en tijden worden voor deze benchmark gerapporteerd door Vals, niet als universele modelprijzen of latentie. De geschatte API-kosten van CUA-bench dekken evaluatiegebruik en zijn een ondergrens, niet de kosten per taak; tijd per actie is een gemiddelde, niet een mediaan. Een asterisk markeert prompt-cachegedrag op de lanceerdag dat de cache-schrijfkosten verhoogde. Ontbrekende waarden zijn niet gepubliceerd, niet nul.