AI 模型能力对比
电脑操作
仅显示最近一年发布的模型；只展示覆盖其中至少 3 款模型的评测。发布日期未知的不显示，历史数据仍保留。
CUA-bench计算机使用智能体基准
— 表示此来源未公布该候选的成绩，不代表零分。近一年模型中 5/11 款有成绩
| 序号 | 模型 | Est. API cost本次评测的预估 API 总费用 | Input cost每百万输入 token 价格 | Output cost每百万输出 token 价格 | Time / action平均每次动作耗时 | |
|---|---|---|---|---|---|---|
| 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 更新于 2026年10月21日 UTC 06:01
数据来源: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
列说明
- 序号
- 仅表示当前显示顺序；排序会改变序号，它不是官方能力排名。
- 模型
- 显示被评测模型的名称及厂商图标；评分中的破折号表示此处暂无已发布成绩，不代表零分。
- 评分
- 测试通过键盘和鼠标操作商业游戏的能力，衡量交互式游戏控制，而不是办公软件任务。 评测方法说明 ↗
- 覆盖范围
- 这里只展示所选模型家族已公布的结果。OSWorld 2.x、Verified 和 Pro 当前提供 Claude Opus 5 配置，并不代表所有模型均有覆盖。Windows Agent Arena、MacArena、ScreenSpot-Pro、OSWorld-Human、WebArena-Verified、VisualWebArena、Online-Mind2Web 和 WorkArena++ 尚未接入此处。SafeArena 单独衡量安全，不混入任务完成分数；缺失结果不会填零。
- Est. API cost
- 本次评测的预估 API 总费用 · USD
- Input cost
- 每百万输入 token 价格 · USD / 1M tokens
- Output cost
- 每百万输出 token 价格 · USD / 1M tokens
- Time / action
- 平均每次动作耗时 · s / min
- Vals.ai
- 费用与耗时来自 Vals 对当前基准的记录，不代表模型通用价格或延迟。CUA-bench 的预估 API 费用为评测用量的下限估计，不是每任务费用；每次动作耗时为平均值，不是中位数。星号表示发布当天提示缓存复用不足，导致缓存写入费用增加。缺失值表示未公布，不是零。