Назад к тренду дня: Новый ИИ OpenAI выполняет офисную работу на компьютере вдвое дешевле
Рейтинг Poly · из тренда дня

Лучший ИИ-агент для работы с компьютером 2026: цена выполненной задачи

В собственном прогоне OpenAI на OSWorld GPT-6.1 Terra стоил $1,19 за задачу при вдвое меньшей цене токенов, то есть на четыре цента дороже, чем GPT-6.1 Sol за $1,15.

  • №1: GPT-6.1 Terra
  • 10 мест

01Итоговый список

Ведущие ИИ независимо составили свои списки из десяти мест. Сверху — один итог, который легко проверить: у каждого места есть причина, источник и список ИИ, которые его включили.

Порядок: от большего согласия ИИ к меньшему.

Яркая плашка — этот ИИ включил пункт в свой список. Тусклая — не включил.

  1. 1

    GPT-6.1 Terra

    Вдвое дешевле Sol по цене токенов ($1/$5) и, по заявлению OpenAI, в 3 раза быстрее, но на OSWorld стоит $1,19 за задачу. Цифра $0,40 от Artificial Analysis относится к другому тесту. Строгое полное выполнение не опубликовано.

    Включили: Claude, Meta, Grok, Gemini, Nova, Kimi, DeepSeek, Qwen.

    В их списках: Claude: 1 · Meta: 1 · Grok: 2 · Gemini: 1 · Nova · Kimi: 1 · DeepSeek: 1 · Qwen: 1

    Что отметил каждый ИИ 8
    • Claudeместо 1

      At $1/$5 per million tokens it is the cheapest frontier computer-use model. OpenAI's own max-effort run on OSWorld 2.1 cost $1.19 per task, which was not cheaper than Sol's $1.15.

      Источник ↗
    • Metaместо 1

      Half price at $1/$5 and 3x faster, matches flagship Astra at one-tenth token price

      Источник ↗
    • Grokместо 2

      Half the token price of prior mid-tier models and claimed ~3× faster; OpenAI puts medium-effort Agents’ Last Exam at $0.29 per task.

      Источник ↗
    • Geminiместо 1

      Cuts token prices by 50% while operating 3x faster, yielding a benchmark-leading real cost of just $0.18 per finished task.

    • Nova

      В его списке названо иначе: откройте весь список.

    • Kimiместо 1

      Half the token price and 3x the speed: about $1.19 per OSWorld 2.1 task at max effort — OpenAI says roughly 1/9 the cost per task of Claude Opus 5.5.

      Источник ↗
    • DeepSeekместо 1

      At $0.40 a task on Artificial Analysis and 3x the speed, Terra makes retries cheap enough that a misclick is no longer the main cost.

      Источник ↗
    • Qwenместо 1

      Half the price of its predecessors and 3x faster, it finally makes frontier computer use affordable per finished task.

      Источник ↗
    8 ИИ поставили сюда
    Источник ↗
  2. 2

    GPT-6.1 Sol

    В собственной таблице OpenAI для OSWorld 2.1 Sol стоит $1,15 за задачу при результате 78,0%, а Terra — $1,19 при 74,2%. Arena считает Sol в $0,81 за задачу.

    Включили: Claude, Meta, Grok, Kimi, DeepSeek, Qwen. Не включили: Gemini, Nova.

    В их списках: Claude: 2 · Meta: 6 · Grok: 7 · Kimi: 2 · DeepSeek: 2 · Qwen: 6

    Что отметил каждый ИИ 6
    • Claudeместо 2

      OpenAI says Sol gets within 2.1 points of Astra for about one-seventh of the cost per task: 71.4% partial score at $1.27, against Astra's 73.5% at $9.44.

      Источник ↗
    • Metaместо 6

      $0.28 cached per task, 70.5% partial on OSWorld 2.0 — middle tier that beats Astra on cost per success

    • Grokместо 7

      Higher capability than Terra but roughly double the token price; self-reported stronger on some long-horizon offline sets.

      Источник ↗
    • Kimiместо 2

      $0.81 per task measured on Arena's real-work leaderboard — and in OpenAI's own chart a finished OSWorld task at max costs $1.15, four cents less than Terra.

      Источник ↗
    • DeepSeekместо 2

      $1.27 per OSWorld 2.0 task against Astra's $9.44 — a 7.4x gap for a 2.1-point drop in partial score.

    • Qwenместо 6

      Clears 75.2% on DeepSWE, but its premium token rates make it expensive for high-retry visual workflows.

      Источник ↗
    6 ИИ поставили сюда
    Источник ↗
  3. 3

    Claude Opus 5.5

    Единственная из лидирующих моделей с опубликованным строгим результатом OSWorld 2.0: 48,7% полного выполнения. Задача стоит $5,98–6,31, примерно в пять раз дороже Sol, но полное выполнение проверяется.

    Включили: Claude, Meta, Kimi, DeepSeek, Qwen. Не включили: Grok, Gemini, Nova.

    В их списках: Claude: 5 · Meta: 8 · Kimi: 6 · DeepSeek: 8 · Qwen: 7

    Что отметил каждый ИИ 5
    • Claudeместо 5

      The best strict score in the table, 48.7% full completion, but at $4/$20 and roughly 9x Terra's cost per task.

      Источник ↗
    • Metaместо 8

      81.8% partial, 48.7% binary on OSWorld 2.0 v2.1 — highest verified full-completion rate

      Источник ↗
    • Kimiместо 6

      Best strict result money can buy — 48.7% full completion on OSWorld 2.0, a third higher than anything else verified — at roughly $13 per finished task.

      Источник ↗
    • DeepSeekместо 8

      48.7% strict completion at $23.21 a task — roughly $47.66 per finished workflow, the most expensive credible option in the top tier.

      Источник ↗
    • Qwenместо 7

      Reaches 83.5% on OSWorld-Verified, but $4/$20 pricing means screenshot loops quickly inflate the bill.

    5 ИИ поставили сюда
    Источник ↗
  4. 4

    Claude Fable 5.1

    Оценка: $7,63 за задачу при строгом выполнении 41,7–42,8% (источники расходятся) — около $18 за выполненную задачу при $10/$50 за миллион токенов.

    Включили: Claude, Meta, Grok, Nova, DeepSeek. Не включили: Gemini, Kimi, Qwen.

    В их списках: Claude: 6 · Meta: 9 · Grok: 10 · Nova · DeepSeek: 7

    Что отметил каждый ИИ 5
    • Claudeместо 6

      It completes 41.7% of OSWorld 2.0 tasks outright, but at $10/$50 per million tokens it costs 2.5x Opus 5.5 per token.

      Источник ↗
    • Metaместо 9

      85.96% OSWorld-Verified — above 72.36% human baseline but flagship $10/$50 pricing

      Источник ↗
    • Grokместо 10

      Tops several OSWorld 2.0 partial boards at 77.9% but $10/$50 token prices make finished long tasks costly after retries.

      Источник ↗
    • Nova

      В его списке названо иначе: откройте весь список.

    • DeepSeekместо 7

      $7.63 a task and 42.8% strict completion — about $17.83 per finished workflow, not per attempt.

      Источник ↗
    5 ИИ поставили сюда
    Источник ↗
  5. 5

    Claude Sonnet 5.5

    Оценка: $4,51 за задачу на Arena и 83,9% частичного выполнения на OSWorld 2.1 (лучший результат в собственной таблице OpenAI) дают около $5,40 за выполненную задачу. Строгой оценки не опубликовано.

    Включили: Claude, Meta, Kimi, Qwen. Не включили: Grok, Gemini, Nova, DeepSeek.

    В их списках: Claude: 4 · Meta: 5 · Kimi: 3 · Qwen: 4

    Что отметил каждый ИИ 4
    • Claudeместо 4

      The mid-priced Claude at $2/$10 per million tokens. Its predecessor Sonnet 5 scored 81.2% on OSWorld-Verified, within five points of the leaders.

      Источник ↗
    • Metaместо 5

      $0.31 cached vs $1.45 uncached per task — 4.7x saving from prompt caching alone

      Источник ↗
    • Kimiместо 3

      Highest desktop score in OpenAI's own comparison chart — 83.9% on OSWorld 2.1 offline — at $2/$10 per million tokens, about $5.4 per finished task.

      Источник ↗
    • Qwenместо 4

      At $2/$10 per million tokens, it offers Anthropic's best safety-to-cost ratio for mid-tier computer use.

    4 ИИ поставили сюда
    Источник ↗
  6. 6

    GPT-6 Astra

    $9,44 за задачу при 73,5% частичного выполнения: в семь раз дороже Sol ради примерно 2 лишних пунктов. Один отчёт говорит, что OpenAI её отменила, но трекеры её всё ещё перечисляют.

    Включили: Claude, Kimi, DeepSeek. Не включили: Meta, Grok, Gemini, Nova, Qwen.

    В их списках: Claude: 9 · Kimi: 5 · DeepSeek: 6

    Что отметил каждый ИИ 3
    • Claudeместо 9

      About 10x Terra's token price and $9.44 per task for 73.5% partial score; Sol gets close to that for $1.27.

      Источник ↗
    • Kimiместо 5

      $4.42 per measured Arena task and 80.9% offline completion — but at $10/$50 per million tokens it pays frontier prices for mid-tier economics.

      Источник ↗
    • DeepSeekместо 6

      90.8% on OSWorld-Verified, yet $23.80 a task at max effort: capability you pay for by the minute.

      Источник ↗
    3 ИИ поставили сюда
    Источник ↗
  7. 7

    Claude Opus 5

    Оценка: $23,70 за задачу при строгом выполнении 44,33% — около $53 за выполненную задачу. В более ранней версии OSWorld 2.0 та же модель набрала 31,43%.

    Включили: Grok, Kimi, DeepSeek. Не включили: Claude, Meta, Gemini, Nova, Qwen.

    В их списках: Grok: 8 · Kimi: 7 · DeepSeek: 9

    Что отметил каждый ИИ 3
    • Grokместо 8

      Strong partial scores on OSWorld 2.0 (~70%+) but binary completion still in the low-to-mid 30-40% range on official boards; higher token cost.

      Источник ↗
    • Kimiместо 7

      The cheapest published OSWorld-Verified run — 50.7% at a $2/M blended rate — works out to about $1.10 per finished task, but only on the older, easier benchmark.

      Источник ↗
    • DeepSeekместо 9

      44.33% strict completion and $23.70 a task — a 1-in-2 agent that costs about $53.46 per finished job.

    3 ИИ поставили сюда
    Источник ↗
  8. 8

    Claude Opus 4.8 (batched tools)

    Оценка: около $72,4 за задачу при строгом выполнении 20,6% по данным статьи об OSWorld 2.0, или примерно $351 за выполненную задачу — самый дорогой вариант в этой таблице.

    Включили: Claude, Grok, DeepSeek. Не включили: Meta, Gemini, Nova, Kimi, Qwen.

    В их списках: Claude: 10 · Grok · DeepSeek

    Что отметил каждый ИИ 3
    • Claudeместо 10

      The paper's best model at the time cost about $72.4 per task and finished 20.6%, which works out to roughly $350 per fully finished task.

      Источник ↗
    • Grok

      В его списке названо иначе: откройте весь список.

    • DeepSeek

      В его списке названо иначе: откройте весь список.

    3 ИИ поставили сюда
    Источник ↗
  9. 9

    Simular Sai

    Оценка: $14,34–15,70 за задачу при строгом выполнении 28,25% — около $51–56 за выполненную задачу, хотя её частичные результаты достигают 73–79%.

    Включили: Grok, Qwen. Не включили: Claude, Meta, Gemini, Nova, Kimi, DeepSeek.

    В их списках: Grok: 9 · Qwen: 3

    Что отметил каждый ИИ 2
    • Grokместо 9

      Highest partial scores on some OSWorld 2.x boards (~73-79%) but ~$14–15 per task — expensive once retries and screenshots are counted.

      Источник ↗
    • Qwenместо 3

      Beats major labs on OSWorld 2.0 binary completion at 28.25% by minimizing expensive reasoning loops.

      Источник ↗
    2 ИИ поставили сюда
    Источник ↗
  10. 10

    Qwen3.8-27B with Agent S4 (Simular)

    Оценка: $1,10 за задачу при строгом выполнении 21,3% дают около $5 за выполненную задачу. Это самая дешёвая строгая цифра из найденных, но она из одного отчёта.

    Включили: Grok. Не включили: Claude, Meta, Gemini, Nova, Kimi, DeepSeek, Qwen.

    В их списках: Grok: 1

    Что отметил каждый ИИ 1
    • Grokместо 1

      Open 27B model fully solves 21.3% of OSWorld V2 tasks at ~$1.10 each — edges Opus 4.8 binary while costing ~1.5% as much.

      Источник ↗
    1 ИИ поставили сюда
    Источник ↗

Тройка подробно ↓

02Подробнее о тройке

Рейтинг выше. Здесь — подробнее о первых трёх местах: что это, почему они здесь и что стоит знать.

The three are not measured the same way: Terra and Sol come from OpenAI's own OSWorld 2.1 chart, while Opus's cost and strict score come from OSWorld 2.0 and other sources.

1GPT-6.1 Terra

№ 1 — GPT-6.1 Terra. В списках у 8 из 8 ИИ; медианное место там: 1. The AIs put Terra first for its half-price tokens and claimed triple speed, though its $1.19 task cost barely differs from Sol's.

А вы знали

  • The name "GPT-6.1 Terra" first showed up in a code change, not a launch post. A merged Microsoft pull request on October 16, 2026 switched 18 evaluation settings from GPT-5.6 Terra to gpt-6.1-terra. OpenAI has not confirmed the model.

    Источник ↗ ✓ подтверждено несколькими ИИ
Что это
An OpenAI computer-use model, priced at $1 and $5 per million tokens.
Чем сильнее
Half Sol's token price and claimed 3x faster, so retries stay cheap.
Кому подходит
Suits budget-minded users who accept unconfirmed numbers; not those needing a model that is released today.
  • Cost per OSWorld task$1.19 per OSWorld task
Что важно учесть

  • A blog says a new Terra was reportedly still in development and could slip into November. It is an unconfirmed report, so Terra's numbers may change.

    Источник ↗
Где узнать больше

  • Still unreleased. Its name appears in leaked test settings, not in OpenAI's catalog. Read the 'Release status' section first, then check OpenAI's own pricing page before counting its cost.

    Источник ↗
Сравнить первую тройку ↓

2GPT-6.1 Sol

№ 2 — GPT-6.1 Sol. В списках у 6 из 8 ИИ; медианное место там: 4. The AIs rank Sol second because it finished tasks for $1.15, four cents under Terra, and came close to the pricier Astra.

А вы знали

  • GPT-6.1 Sol came out only a week after GPT-6 Sol, on Sep 29, 2026. It ranks first of 69 models on BrowseComp, a web-browsing test, with 95.4%. The page notes that OpenAI ran many of its headline tests itself.

    Источник ↗
Что это
OpenAI's mid-tier model, released September 29, 2026, priced at $2 and $10 per million tokens.
Чем сильнее
Slightly cheaper per finished task than Terra, and about seven times cheaper than Astra.
Кому подходит
Suits teams wanting near-top computer use at lower cost; not those who need independent test results.
  • Cost per OSWorld task$1.15 per task

Wikidata

Почему он здесь

  • On OSWorld 2.0 (offline, max effort), GPT-6.1 Sol scored 71.4% at $1.27 per task. The older GPT-6 Astra Max scored 73.5% but cost $9.44 per task, about seven times more. — Kingy.ai, citing OpenAI's launch report

    Источник ↗

  • Sol's list price is $2.00 per million input tokens and $10.00 per million output tokens for prompts up to 272,000 tokens. Above that, it rises to $4.00 and $15.00. — Kingy.ai

    Источник ↗ ✓ подтверждено несколькими ИИ
История

  • OpenAI dropped a planned GPT-6.1 Astra model because it often ignored the instructions it was given. On September 29, 2026, it shipped GPT-6.1 Sol instead, with near-Astra performance at lower prices.

    Источник ↗
Что важно учесть

  • OpenAI's own page says Sol nearly matches its top model, Astra, on computer use at one-fifth of the token price. Those are the vendor's claims, not independent tests.

    Источник ↗ ✓ подтверждено несколькими ИИ
Сравнить первую тройку ↓

3Claude Opus 5.5

№ 3 — Claude Opus 5.5. В списках у 5 из 8 ИИ; медианное место там: 7. The AIs place Opus third: it costs about five times more per task, but it has a published strict full-completion score.

А вы знали

  • Anthropic says Opus 5.5 "no longer supports turning thinking off." It also says the model "may suspect when it is being evaluated," so a benchmark score can't guarantee how it acts in real use.

    Источник ↗
Что это
Anthropic's model from September 22, 2026, priced at $4 and $20 per million tokens.
Чем сильнее
Only one of the three with a published strict score: 48.7% fully completed.
Кому подходит
Suits users who must have tasks fully finished and can pay more; not tight budgets.
  • Cost per OSWorld task$5.98–6.31 a task
Почему он здесь

  • Claude Opus 5.5 scores 48.7% on the stricter OSWorld 2.0, according to its system card. Anthropic publishes this strict score, and the other two models' strict scores were not found. — BenchLM, citing Anthropic's system card

    Источник ↗

  • Opus 5.5 lists at $4.00 per million input tokens and $20.00 per million output tokens. Cached input is $0.20 per million, which lowers the cost when a task reuses the same prompt. — BenchLM

    Источник ↗ ✓ подтверждено несколькими ИИ
История

  • Anthropic released Claude Opus 5.5 on September 22, 2026. Anthropic says it performs at the level of Claude Fable 5.1 on most tasks and costs 40% less to run than Opus 5.

    Источник ↗
Что важно учесть

  • The same early user says max effort is still slow and token hungry. The advertised 40% cheaper figure is a claim, and max effort is where benchmark wins come from, so real cost per task can run higher.

    Источник ↗

  • A migration guide warns that thinking can no longer be turned off and forced tool use now returns an error. Older code may need changes, and costs may rise.

    Источник ↗
Что говорят люди
Где узнать больше

  • Look at the two OSWorld 2.0 numbers side by side: 81.8% partial and 48.7% strict. The gap shows how many tasks were fully finished, not just partly done.

    Источник ↗
Сравнить первую тройку ↓

Тройка рядом

GPT-6.1 TerraGPT-6.1 SolClaude Opus 5.5
В списках ИИ8 / 86 / 85 / 8
Cost per OSWorld task$1.19 per OSWorld task$1.15 per task$5.98–6.31 a task
Первым поставилиClaude, Meta, Gemini, Kimi, DeepSeek, Qwen——

Места с одинаковым числом ИИ упорядочены по среднему месту в списках самих ИИ.

Другие рейтинги

03Стоит знать

Что заметили ИИ, пока составляли список.

Те же агенты набирают 83–86% на OSWorld-Verified, что выше базового уровня человека (72,36%), но полностью выполняют лишь 20–49% заданий в OSWorld 2.0, где задания в среднем требуют около 318 вызовов инструментов против примерно 30.

Заметили:
Включили: Claude, Meta, Grok, Kimi, Qwen. Не включили: Gemini, Nova, DeepSeek.
Источник ↗

Более низкая цена токенов не сделала Terra дешевле за задачу: в прогоне OpenAI на OSWorld он стоил $1,19 против $1,15 у Sol, потому что тратил больше шагов и токенов.

Заметили:
Включили: Claude, Kimi. Не включили: Meta, Grok, Gemini, Nova, DeepSeek, Qwen.
Источник ↗

Claude Opus 5 вырос с 31,43% до 44,33% строгого выполнения между версиями OSWorld 2.0 без изменения модели, после того как 14 заданий переписали, чтобы нельзя было получить балл обманным путём.

Заметили:
Включили: Claude, Kimi. Не включили: Meta, Grok, Gemini, Nova, DeepSeek, Qwen.
Источник ↗

Налог на скриншоты: один независимый прогон требовал 400–750 тыс. входных токенов и 43–68 циклов «скриншот — рассуждение — клик» на задачу, примерно в 45 раз дороже, чем работа с API того же приложения.

Заметили:
Включили: Kimi. Не включили: Claude, Meta, Grok, Gemini, Nova, DeepSeek, Qwen.
Источник ↗

04Как считали

Простыми словами, без формул.

1Вопрос

Top 10 AI Computer-Use Agents Ranked by Real Cost per Finished Task, Not Price per Token

2Почему эта тема

No published table gives the reader the cost of one finished task. This ranking combines the benchmark score, the token price and the number of steps an agent actually uses, and the order changes once failed and repeated attempts are counted.

3Где это применимо

Global: AI agents that see the screen and operate desktop and web apps, including GPT-6.1 Terra, released October 26, 2026

4На что смотрели

  • Success rate on OSWorld-Verified (official leaderboard)
  • Full-completion rate on the stricter OSWorld 2.0
  • List price per million input and output tokens, from each vendor's pricing page
  • Steps and screenshot tokens used per task, so each retry counts toward the cost
  • Speed each vendor claims, checked against independent runs where they exist
  • OSWorld 2.0 / v2.1 (XLang Lab, compiled by Presenc AI) — Partial score and strict binary full completion on 108 long-horizon workflows (about 318 tool calls each); release versions are not comparable
  • OSWorld 2.0 / Snorkel leaderboard — Strict full completion and partial score by model, effort level and release
  • OpenAI GPT-6.1 Terra launch chart (via Kingy AI) — OSWorld 2.1 offline-set score and cost per task at each effort level for Terra, Sol, Astra and Claude

5Кто ставил места

Ведущие ИИ: Claude, Meta, Grok, Gemini, Nova, Kimi, DeepSeek, Qwen. Каждый сам составил свой список из десяти мест и к каждому месту назвал источник.

6Как сведены места

Одно и то же, названное разными ИИ по-разному, считали за одно. Чем больше ИИ включили пункт в свой список и чем выше поставили, тем выше его место. «Согласие ИИ» показывает, у скольких ИИ этот пункт был в собственном списке. Источники — только те, что нашли сами ИИ, ничего не добавлено вручную.