การเปรียบเทียบความสามารถของโมเดล AI
การใช้คอมพิวเตอร์
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-benchเบนช์มาร์กเอเจนต์ใช้คอมพิวเตอร์
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| ลำดับ | โมเดล | Est. API costค่าใช้จ่าย API โดยประมาณสำหรับการประเมิน | Input costราคาอินพุตต่อล้านโทเคน | Output costราคาเอาต์พุตต่อล้าน token | Time / actionเวลาเฉลี่ยต่อการกระทำ | |
|---|---|---|---|---|---|---|
| 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 อัปเดต 21 ต.ค. 2569 06:01 UTC
แหล่งที่มา: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
คำแนะนำคอลัมน์
- ลำดับ
- เป็นเพียงลำดับการแสดงผลเท่านั้น การจัดเรียงจะเปลี่ยนตัวเลขนี้ ไม่ใช่การจัดอันดับความสามารถที่เผยแพร่
- โมเดล
- ชื่อโมเดลที่ถูกประเมินและไอคอนผู้ให้บริการ เครื่องหมายขีดในคอลัมน์คะแนนหมายความว่าไม่มีคะแนนที่เผยแพร่ที่นี่ ไม่ใช่ศูนย์
- คะแนน
- ทดสอบการใช้คีย์บอร์ดและเมาส์เพื่อเล่นวิดีโอเกมเชิงพาณิชย์ โดยวัดการควบคุมเกมแบบโต้ตอบมากกว่างานซอฟต์แวร์สำนักงาน ระเบียบวิธีประเมิน ↗
- ความครอบคลุม
- แสดงเฉพาะผลลัพธ์ที่เผยแพร่แล้วสำหรับตระกูลโมเดลที่เลือกเท่านั้น OSWorld 2.x, Verified และ Pro ปัจจุบันมีการกำหนดค่าของ Claude Opus 5; นี่ไม่ใช่ความครอบคลุมที่สมบูรณ์ของทุกโมเดล Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web และ WorkArena++ ยังไม่ได้รับการรวมไว้ที่นี่ SafeArena วัดความปลอดภัยแยกต่างหาก และไม่ถูกนำมารวมกับคะแนนความสำเร็จของงาน ผลลัพธ์ที่หายไปจะไม่ถูกเติมด้วยศูนย์
- Est. API cost
- ค่าใช้จ่าย API โดยประมาณสำหรับการประเมิน · USD
- Input cost
- ราคาอินพุตต่อล้านโทเคน · USD / 1M tokens
- Output cost
- ราคาเอาต์พุตต่อล้าน token · USD / 1M tokens
- Time / action
- เวลาเฉลี่ยต่อการกระทำ · s / min
- Vals.ai
- ค่าใช้จ่ายและเวลาถูกรายงานโดย Vals สำหรับเบนช์มาร์กนี้ ไม่ใช่ราคาหรือความหน่วงของโมเดลโดยทั่วไป ค่า API โดยประมาณของ CUA-bench ครอบคลุมการใช้งานในการประเมิน และเป็นค่าประมาณขอบเขตล่าง ไม่ใช่ค่าใช้จ่ายต่องาน เวลาต่อการกระทำเป็นค่าเฉลี่ย ไม่ใช่ค่ามัธยฐาน เครื่องหมายดอกจันระบุพฤติกรรม prompt-cache ในวันเปิดตัวที่ทำให้ค่าใช้จ่ายในการเขียนแคชเพิ่มขึ้น ค่าที่หายไปคือไม่ได้เผยแพร่ ไม่ใช่ศูนย์