Yapay Zeka Modeli Yetenek Karşılaştırması
Bilgisayar kullanımı
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-benchBilgisayar kullanımı ajanı kıyaslaması
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| No. | Model | Est. API costDeğerlendirme için tahmini API maliyeti | Input costMilyon token başına giriş fiyatı | Output costMilyon token başına çıktı fiyatı | Time / actionEylem başına ortalama süre | |
|---|---|---|---|---|---|---|
| 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 Güncellendi 21 Eki 2026 06:01 UTC
Kaynak: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Sütun kılavuzu
- No.
- Yalnızca görüntüleme sırası. Sıralama bu sayıyı değiştirir; yayımlanmış bir yetenek sıralaması değildir.
- Model
- Değerlendirilen model adı ve sağlayıcı simgesi. Bir puan sütunundaki tire, burada yayımlanmış bir puanın bulunmadığı anlamına gelir; sıfır değildir.
- Puan
- Ticari video oyunlarını oynamak için klavye ve fare kullanmayı test eder. Ofis yazılımı görevlerinden ziyade etkileşimli oyun kontrolünü ölçer. Değerlendirme metodolojisi ↗
- Kapsam
- Yalnızca seçilen model aileleri için yayımlanmış sonuçlar gösterilir. OSWorld 2.x, Verified ve Pro şu anda Claude Opus 5 yapılandırmalarını sağlıyor; bu, her modelin tam kapsamı değildir. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web ve WorkArena++ burada henüz entegre edilmemiştir. SafeArena güvenliği ayrı ölçer ve görev tamamlama puanlarına dahil edilmez. Eksik sonuçlar asla sıfırla doldurulmaz.
- Est. API cost
- Değerlendirme için tahmini API maliyeti · USD
- Input cost
- Milyon token başına giriş fiyatı · USD / 1M tokens
- Output cost
- Milyon token başına çıktı fiyatı · USD / 1M tokens
- Time / action
- Eylem başına ortalama süre · s / min
- Vals.ai
- Maliyetler ve süreler bu benchmark için Vals tarafından raporlanır; evrensel model fiyatları veya gecikme değildir. CUA-bench tahmini API maliyeti değerlendirme kullanımını kapsar ve bir alt sınır tahminidir, görev başına maliyet değildir; eylem başına süre bir ortalamadır, medyan değildir. Yıldız işareti, lansman günü önbellek yazma maliyetlerini artıran prompt-cache davranışını işaretler. Eksik değerler yayımlanmamıştır, sıfır değildir.