Porównanie możliwości modeli AI
Obsługa komputera
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 agenta używającego komputera
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| Nr | Model | Est. API costSzacowany koszt API za przeprowadzenie oceny | Input costCena za milion tokenów wejściowych | Output costCena za milion tokenów wyjściowych | Time / actionŚredni czas na akcję | |
|---|---|---|---|---|---|---|
| 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 Aktualizacja 21 paź 2026, 06:01 UTC
Źródło: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Przewodnik po kolumnach
- Nr
- Tylko kolejność wyświetlania. Sortowanie zmienia ten numer; nie jest to opublikowana pozycja w rankingu możliwości.
- Model
- Nazwa ocenianego modelu i ikona jego dostawcy. Myślnik w kolumnie z wynikiem oznacza brak opublikowanego wyniku w tym miejscu, a nie zero.
- Wynik
- Testuje korzystanie z klawiatury i myszy do grania w komercyjne gry wideo. Mierzy interaktywne sterowanie grą, a nie zadania w oprogramowaniu biurowym. Metodologia oceny ↗
- Pokrycie
- Wyświetlane są tylko opublikowane wyniki dla wybranych rodzin modeli. OSWorld 2.x, Verified i Pro obecnie dostarczają konfiguracje Claude Opus 5; to nie jest pełne pokrycie wszystkich modeli. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web i WorkArena++ nie zostały tu jeszcze zintegrowane. SafeArena mierzy bezpieczeństwo osobno i nie jest scalana z wynikami ukończenia zadań. Brakujące wyniki nigdy nie są uzupełniane zerem.
- Est. API cost
- Szacowany koszt API za przeprowadzenie oceny · USD
- Input cost
- Cena za milion tokenów wejściowych · USD / 1M tokens
- Output cost
- Cena za milion tokenów wyjściowych · USD / 1M tokens
- Time / action
- Średni czas na akcję · s / min
- Vals.ai
- Koszty i czasy są podawane przez Vals dla tego benchmarku, a nie są uniwersalnymi cenami modeli ani opóźnieniem. Szacowany koszt API CUA-bench obejmuje użycie w ewaluacji i jest szacunkiem dolnym, a nie kosztem na zadanie; czas na akcję to średnia, a nie mediana. Gwiazdka oznacza zachowanie pamięci podręcznej promptów w dniu premiery, które zwiększyło koszty zapisu do pamięci podręcznej. Brakujące wartości są niepublikowane, a nie zerowe.