人工智能模型能力比較
電腦操作
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-bench電腦使用代理基準
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| 編號 | 模型 | Est. API cost評估的估計 API 成本 | Input cost每百萬個 token 的輸入價格 | Output cost每百萬 token 的輸出價格 | Time / action平均操作時間 | |
|---|---|---|---|---|---|---|
| 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 更新 2026年10月21日 06:01 [UTC]
來源: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
欄位說明
- 編號
- 僅供顯示排序。排序會改變此數字；此並非已發佈的能力排名。
- 模型
- 受評估的模型名稱及其供應商圖示。分數欄中的破折號表示此處沒有已發佈的分數，而非零分。
- 評分
- 測試使用鍵盤和滑鼠玩商業電子遊戲。它衡量的是互動式遊戲控制，而非辦公室軟件任務。 評估方法 ↗
- 覆蓋範圍
- 只顯示所選模型系列嘅已公佈結果。OSWorld 2.x、Verified 同 Pro 目前提供 Claude Opus 5 配置；呢個唔係所有模型嘅完整覆蓋。Windows Agent Arena、MacArena、ScreenSpot-Pro、OSWorld-Human、WebArena-Verified、VisualWebArena、Online-Mind2Web 同 WorkArena++ 尚未整合到呢度。SafeArena 會分開量度安全性，唔會合併到任務完成分數。缺失結果永遠唔會以零填補。
- Est. API cost
- 評估的估計 API 成本 · USD
- Input cost
- 每百萬個 token 的輸入價格 · USD / 1M tokens
- Output cost
- 每百萬 token 的輸出價格 · USD / 1M tokens
- Time / action
- 平均操作時間 · s / min
- Vals.ai
- 成本與時間由 Vals 為此基準報告，並非通用模型價格或延遲。CUA-bench 估算的 API 成本涵蓋評估用量，屬下限估算，而非每項任務成本；每個動作的時間是平均值，而非中位數。星號標示推出首日的提示快取行為，該行為增加了快取寫入成本。缺失值為未公布，並非零。