2026年のコンピューター操作AIエージェント最良は？完了1件あたりのコスト

同じ質問に Claude だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   GPT-6.1 Terra（OpenAI、2026年10月）

   100万トークンあたり$1/$5で、最安のコンピュータ操作向け最先端モデルです。OpenAIが公開したOSWorld 2.1の最大推論設定での実行は、1タスクあたり$1.19で、Solの$1.15より安くはありませんでした。

   出典 ↗
2. 2
   GPT-6.1 Sol（OpenAI、2026年9月）

   OpenAIによると、Solはタスクあたりのコストが約7分の1で、Astraに2.1ポイントまで迫ります。部分点はSolが71.4%（$1.27）、Astraが73.5%（$9.44）です。

   出典 ↗
3. 3
   Qwen3.8-Max（アリババ、2026年8月）

   OSWorld-Verifiedの表で86.1%の首位ですが、価格は$2/$6です。同程度のスコアのどのClaudeモデルよりも、出力トークン単価は安いです。このスコアはベンダーの自己申告です。

   出典 ↗
4. 4
   Claude Sonnet 5.5（Anthropic）

   100万トークンあたり$2/$10の中価格帯のClaudeです。前モデルのSonnet 5は、OSWorld-Verifiedで81.2%を記録し、首位とは5ポイント以内の差でした。

   出典 ↗
5. 5
   Claude Opus 5.5（Anthropic、2026年9月）

   表の中で厳密なスコアが最も高い、完全達成率48.7%です。ただし価格は$4/$20で、タスクあたりのコストはTerraの約9倍です。

   出典 ↗
6. 6
   Claude Fable 5.1（Anthropic）

   OSWorld 2.0のタスクの41.7%を完全に達成しますが、100万トークンあたり$10/$50のため、トークン単価はOpus 5.5の2.5倍です。

   出典 ↗
7. 7
   Muse Spark 1.3（メタ）

   厳密なOSWorld 2.0の表で、完全達成率39.25%の2位です。首位はClaude Opus 5だけです。定価は見つかりませんでした。

   出典 ↗
8. 8
   GPT-6 Luna（OpenAI）

   100万トークンあたり$0.10/$0.50で、Agents' Last Examの実行は1タスクあたり$0.14でした。OSWorldの公開結果はありません。

   出典 ↗
9. 9
   GPT-6 Astra（OpenAI）

   トークン単価はTerraの約10倍で、部分点73.5%に対してタスクあたり$9.44です。Solは約$1.27で、ほぼ同じ水準に届きます。

   出典 ↗
10. 10
    Claude Opus 4.8、ツールをまとめて実行（Anthropic、2026年半ば）

    論文の中で当時最も優れたモデルは、タスクあたり約$72.4かかり、達成率は20.6%でした。完全に完了したタスク1件あたりでは、約$350になります。

    出典 ↗

同じ質問に Meta だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   GPT-6.1 Terra

   価格は半額の$1/$5（100万トークンあたり）、3倍速く、旗艦Astraと同等の性能をトークン単価10分の1で実現

   出典 ↗
2. 2
   Gemini 3.8 Flash

   Intelligence Indexのタスク1件あたり$0.58（Astraは$3.26）。独立テストで完了タスクあたりの最安

3. 3
   Claude Haiku 5.5

   キャッシュなしの20ステップのタスクは$0.07。Anthropicで最安ですが、プロンプトが10万トークンを超えると5倍の価格

4. 4
   GPT-6 Luna

   $0.10/$0.50。Terraの10分の1の価格で、推論力は低いものの、大量のフォーム入力向けに作られています

5. 5
   Claude Sonnet 5.5

   タスクあたり、キャッシュありは$0.31、なしは$1.45。プロンプトキャッシュだけで4.7倍の節約

   出典 ↗
6. 6
   GPT-6.1 Sol

   キャッシュありで1タスク$0.28、OSWorld 2.0の部分点70.5%。中位モデルですが、成功1件あたりのコストではAstraに勝っています

7. 7
   Gemini 3.5 Flash

   OSWorld-Verifiedで78.4%、GPT-5.5は78.7%。$1.50/$9で、コンピュータ操作機能を内蔵したモデルとして、ほぼ同等の水準

8. 8
   Claude Opus 5.5

   OSWorld 2.0 v2.1で部分点81.8%、完全達成率48.7%。確認された完全達成率では最高です

   出典 ↗
9. 9
   Claude Fable 5

   OSWorld-Verifiedで85.96%。人間の基準値72.36%を上回りますが、価格は旗艦モデルの$10/$50

   出典 ↗
10. 10
    Qwen3.8 Max

    2026年10月26日時点でOSWorld-Verifiedの首位、86.1%。$10/$50の旗艦モデルに対する、オープンウェイトの代替案

    出典 ↗

同じ質問に Grok だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   Qwen3.8-27B with Agent S4（Simular、2026年）

   オープンな27Bモデルは、OSWorld V2のタスクの21.3%を完全に解き、1件約$1.10です。Opus 4.8の完全達成率を上回り、コストは約1.5%です。

   出典 ↗
2. 2
   GPT-6.1 Terra（OpenAI、2026年）

   従来の中位モデルの半分のトークン単価で、約3倍速いとされています。OpenAIは、中程度の推論強度のAgents' Last Examを1タスク$0.29としています。

   出典 ↗
3. 3
   MiMo-V2.6-Pro（シャオミ、2026年）

   OSWorld-Verifiedで82%、100万トークンあたり約$0.43/$0.87。高スコアのオープンな選択肢の中でも特に安いものの一つです。

   出典 ↗
4. 4
   Qwen3.8 Max（アリババ、2026年）

   OSWorld-Verifiedで86.1%のトップに立ちつつ、Claudeの旗艦モデルのトークン単価よりずっと低く抑えています。

   出典 ↗
5. 5
   Gemini 3.6 Flash（グーグル、2026年）

   Verifiedで83%、$0.75/$3.75。短いデスクトップ作業では、スコアと価格の釣り合いが良いです。

   出典 ↗
6. 6
   Claude Sonnet 5（Anthropic、2026年）

   Verifiedで81.2%、中位の価格帯です。短いタスクを1件あたりの純粋なコストで比べると、オープンモデルにはまだ及びません。

   出典 ↗
7. 7
   GPT-6.1 Sol（OpenAI、2026年）

   Terraより能力は高いものの、トークン単価はほぼ2倍です。一部の長時間タスクのオフライン評価では、自己申告でより高い性能を示しています。

   出典 ↗
8. 8
   Claude Opus 5（Anthropic、2026年）

   OSWorld 2.0の部分点は約70%以上と高いものの、公式の表での完全達成率は30%台から40%前半にとどまります。トークン費用も高めです。

   出典 ↗
9. 9
   Simular Sai（ホスト型エージェント、2026年）

   一部のOSWorld 2.xの表では部分点が最も高い（約73～79%）ものの、1タスクあたり約$14～15かかります。再試行やスクリーンショットを数えると、高くつきます。

   出典 ↗
10. 10
    Claude Fable 5.1（Anthropic、2026年）

    いくつかのOSWorld 2.0の部分点の表で77.9%の首位ですが、$10/$50のトークン価格のため、再試行を重ねると長いタスクの完了はコストがかさみます。

    出典 ↗

同じ質問に Gemini だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   GPT-6.1 Terra（OpenAI）

   トークン価格を50%下げ、3倍速く動作し、完了タスク1件あたり$0.18というベンチマーク首位の実質コストを実現しました。

2. 2
   UI-TARS-7B（バイトダンス）

   軽量なオープンウェイトのアーキテクチャで、低コストの推論ホスト経由では、完了タスク1件あたり$0.26です。

   出典 ↗
3. 3
   Gemini 2.0 Flash Computer Use（グーグル）

   入力単価が$0.10と非常に安く、時折のスクリーンショットの誤クリックを補って、完了タスク1件あたり$0.32です。

   出典 ↗
4. 4
   UI-TARS-72B（バイトダンス）

   視覚的な位置の認識が高く、再試行は24%減ります。重いモデルの実行でも、完了タスク1件あたり$0.62まで下がります。

   出典 ↗
5. 5
   Qwen-2.5-VL-72B-Instruct（アリババクラウド）

   座標の予測が優れており、複雑なメニューでのスクリーンショットを節約します。完了した実行は1件あたり$0.74で安定します。

   出典 ↗
6. 6
   Claude 3.5 Sonnet Computer Use（Anthropic）

   生の正答率は64%と高いものの、トークン単価が$3/$15のため、実際の完了コストは$1.18です。

   出典 ↗
7. 7
   Claude 3.7 Sonnet Computer Use（Anthropic）

   拡張思考によりOSWorld 2.0の完了率は43.6%に上がりますが、課金対象のトークン総量が増え、完了タスク1件あたり$1.36になります。

   出典 ↗
8. 8
   Gemini 2.0 Pro Computer Use（グーグル）

   コンテキストのキャッシュでプロンプトの負担が60%減り、重い推論ステップがあっても、完了タスク1件あたりのコストは$1.52に抑えられます。

   出典 ↗
9. 9
   OpenAI Operator / GPT-4o（OpenAI）

   従来の視覚アーキテクチャは、複数アプリのタスクで平均18回の再試行が必要で、最終的な完了コストは$1.94になります。

   出典 ↗
10. 10
    Claude 3 Opus Agent Framework（Anthropic）

    入力$15、出力$75という高い単価のため、長時間のOS作業では完了タスク1件あたり$9.20と高くつきます。

    出典 ↗

同じ質問に Kimi だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   GPT-6.1 Terra（OpenAI、2026年）

   トークン単価は半額で、速度は3倍です。最大推論設定では、OSWorld 2.1のタスク1件あたり約$1.19。OpenAIによると、Claude Opus 5.5のタスクあたりコストの約9分の1です。

   出典 ↗
2. 2
   GPT-6.1 Sol（OpenAI、2026年）

   Arenaの実作業ランキングでタスクあたり$0.81と測定されています。OpenAIの自社の図では、最大設定でのOSWorldタスク1件の完了は$1.15で、Terraより4セント安くなっています。

   出典 ↗
3. 3
   Claude Sonnet 5.5（Anthropic、2026年）

   OpenAIの自社の比較図で、デスクトップ作業のスコアが最高です。OSWorld 2.1のオフラインで83.9%、100万トークンあたり$2/$10で、完了タスク1件あたり約$5.4です。

   出典 ↗
4. 4
   Kimi K3.1 Pro（Moonshot AI、2026年）

   OSWorld 2.1で79.6%、オープンウェイトです。トップ5の中で、自前で運用できる唯一の選択肢で、トークン課金そのものをなくせます。

5. 5
   GPT-6 Astra（OpenAI、2026年）

   Arenaの実測タスク1件あたり$4.42、オフラインの完了率は80.9%です。ただし$10/$50の単価で、中位の性能に最上位の価格を払うことになります。

   出典 ↗
6. 6
   Claude Opus 5.5（Anthropic、2026年）

   お金で買える中で最も厳密な結果です。OSWorld 2.0の完全達成率48.7%は、確認済みの他のどの結果より3分の1高く、完了タスク1件あたり約$13です。

   出典 ↗
7. 7
   Claude Haiku 4.5（Anthropic、2025年）

   公開されたOSWorld-Verifiedで最も安い実行結果で、50.7%です。混合単価が100万トークンあたり$2のとき、完了タスク1件あたり約$1.10ですが、古く簡単なベンチマークでの話です。

   出典 ↗
8. 8
   Gemini 4 Argon / Gemini 3.1 Pro（グーグル、2026年）

   OSWorld 2.0のオフラインのサブセットで69.2%。ただしグーグルは、タスクごとに500ステップと最大3回の実行を必要としました。スクリーンショットのトークンが、節約分をこっそり食いつぶしています。

9. 9
   Qwen3.8 Max（アリババ、2026年）

   OSWorld-Verifiedで86.1%、自己申告としては全モデルで最高のスコアです。ただし公開APIの価格がないため、完了タスク1件あたりのコストは、誰にも確認できない数字です。

   出典 ↗
10. 10
    GPT-5.6 Luna（OpenAI、2026年）

    業界で最も安い従量課金です。12回の呼び出しのタスクで$0.0144。ただし厳密なベンチマークでは、コンピュータ操作の成功は保てません。そのため完了タスクには、事実上、無限の再試行が必要です。

    出典 ↗

同じ質問に DeepSeek だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   GPT-6.1 Terra（2026年）

   Artificial Analysisで1タスク$0.40、速度は3倍。Terraなら再試行が十分安くなるので、誤クリックはもはや主なコストではありません。

   出典 ↗
2. 2
   GPT-6.1 Sol（2026年）

   OSWorld 2.0のタスク1件あたり$1.27、Astraは$9.44。部分点が2.1ポイント下がるだけで、コストは7.4倍の差になります。

3. 3
   Holo3-35B-A3B（2026年）

   入力100万トークンあたり$0.25、OSWorld-Verifiedで82.6%。フロンティアモデルより約10倍安い、オープンウェイトのエージェントです。

   出典 ↗
4. 4
   Gemini 3.6 Flash（2026年）

   入力100万トークンあたり$1.50、OSWorld-Verifiedで83.0%。大手研究所のモデルで、デスクトップ部門トップ10に入るスコアを最も安く買える方法です。

5. 5
   Qwen3.8 Max（2026年）

   OSWorld-Verifiedで86.1%ですが、Astraの推論トークンの19.4倍を消費します。トークン単価は安くても、請求書を膨らませる存在です。

   出典 ↗
6. 6
   GPT-6 Astra（2026年）

   OSWorld-Verifiedで90.8%ですが、最大設定では1タスク$23.80です。分単位で課金されるような性能です。

   出典 ↗
7. 7
   Claude Fable 5.1（2026年）

   1タスク$7.63、厳密な完了率は42.8%。完了した作業1件あたり約$17.83で、試行1回あたりではありません。

   出典 ↗
8. 8
   Claude Opus 5.5（2026年）

   厳密な完了率48.7%、1タスク$23.21。完了した作業1件あたり約$47.66で、上位層で最も高価な、信頼できる選択肢です。

   出典 ↗
9. 9
   Claude Opus 5（2026年）

   厳密な完了率44.33%、1タスク$23.70。2回に1回しか成功しないエージェントで、完了した仕事1件あたり約$53.46かかります。

10. 10
    Intelligence-Indeed Agent（2026年）

    公式のOSWorld-Verifiedの表で90.19%、100ステップ。タスクあたりの公開価格はありません。表の首位ですが、コストを計算できないモデルです。

同じ質問に Qwen だけが答えたものです。上の最終リストはすべての AI をまとめています。

1. 1
   GPT-6.1 Terra

   前モデルの半額で3倍速く、ようやく完了タスク1件あたりでフロンティアのコンピュータ操作が手の届く価格になりました。

   出典 ↗
2. 2
   Qwen3.8 Max

   100万トークンあたり$2/$6で、オープンウェイトのモデルが実際のデスクトップ作業で優位に立てることを示し、OSWorld-Verifiedで86.1%のトップに立ちました。

   出典 ↗
3. 3
   Sai（Simular）

   推論の無駄なループを減らし、OSWorld 2.0の完全達成率28.25%で大手の研究所を上回りました。

   出典 ↗
4. 4
   Claude Sonnet 5.5

   100万トークンあたり$2/$10で、中位のコンピュータ操作では、Anthropicの中で最も良い安全性と価格の比率を提供します。

5. 5
   グーグル Gemini 2.5 Computer Use

   Project Marinerの後継の基盤となり、OSWorld 2.0の部分点は69.2%で、企業向けの価格がまとめられています。

   出典 ↗
6. 6
   GPT-6.1 Sol

   DeepSWEで75.2%を超えますが、トークンの料金が高いため、再試行の多い視覚的なワークフローには費用がかさみます。

   出典 ↗
7. 7
   Claude Opus 5.5

   OSWorld-Verifiedで83.5%に達しますが、$4/$20の価格のため、スクリーンショットのループですぐに請求額がふくらみます。

8. 8
   Coasty

   独自のルーティングモデルにより、ステップごとのスクリーンショットのトークンを減らし、OSWorldで82%を主張しています。

   出典 ↗
9. 9
   OpenAI Operator（CUA）

   最初の商用Webエージェントですが、新しく発表されたTerraモデルとの激しい競争に直面しています。

   出典 ↗
10. 10
    Agent S3 w/ bBoN

    一部のオープンソースのランキングで63.5%を記録しますが、多くの計算資源が必要で、実際のコストを押し上げます。

    出典 ↗