Сравнение возможностей ИИ-моделей
Использование компьютера
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-benchБенчмарк агентов для работы с компьютером
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| № | Модель | Est. API costОриентировочная стоимость API для оценки | Input costЦена ввода за миллион token | Output costЦена вывода за миллион токенов | Time / actionСреднее время на действие | |
|---|---|---|---|---|---|---|
| 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 Обновлено 21 окт. 2026 г., 06:01 UTC
Источник: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Пояснения к столбцам
- №
- Только порядок отображения. Сортировка меняет это число; это не опубликованный рейтинг возможностей.
- Модель
- Название оцениваемой модели и значок её провайдера. Прочерк в столбце с оценкой означает, что опубликованная оценка здесь недоступна, а не ноль.
- Оценка
- Проверяет использование клавиатуры и мыши для игры в коммерческие видеоигры. Оценивает интерактивное управление игрой, а не задачи в офисном программном обеспечении. Методология оценки ↗
- Покрытие
- Показаны только опубликованные результаты для выбранных семейств моделей. OSWorld 2.x, Verified и Pro в настоящее время предоставляют конфигурации Claude Opus 5; это не полное покрытие всех моделей. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web и WorkArena++ пока не интегрированы здесь. SafeArena измеряет безопасность отдельно и не объединяется с оценками завершения задач. Отсутствующие результаты никогда не заполняются нулём.
- Est. API cost
- Ориентировочная стоимость API для оценки · USD
- Input cost
- Цена ввода за миллион token · USD / 1M tokens
- Output cost
- Цена вывода за миллион токенов · USD / 1M tokens
- Time / action
- Среднее время на действие · s / min
- Vals.ai
- Затраты и время для этого бенчмарка указаны Vals, а не универсальные цены на модели или задержка. Оценка стоимости API для CUA-bench покрывает использование при оценке и является оценкой снизу, а не стоимостью за задачу; время на действие — это среднее, а не медиана. Звёздочка обозначает поведение prompt-cache в день запуска, которое увеличило затраты на запись в кэш. Отсутствующие значения не опубликованы, а не равны нулю.