Назад до тренду дня: Новий ШІ від OpenAI сам робить офісну роботу на комп'ютері — вдвічі дешевше
Рейтинг Poly · з тренду дня

Найкращий ШІ-агент для роботи з комп'ютером 2026: ціна за завершене завдання

У власному тесті OpenAI на OSWorld GPT-6.1 Terra коштував $1,19 за завдання при ціні токенів удвічі нижчій, ніж у GPT-6.1 Sol з $1,15. Тобто на чотири центи більше.

  • №1: GPT-6.1 Terra
  • 10 місць

01Підсумковий список

Провідні ШІ незалежно склали свої списки з десяти місць. Нагорі — один підсумок, який легко перевірити: у кожного місця є причина, джерело та список ШІ, які його включили.

Порядок: від більшої згоди ШІ до меншої.

Яскрава плашка — цей ШІ включив пункт у свій список. Тьмяна — не включив.

  1. 1

    GPT-6.1 Terra

    Ціна токенів удвічі нижча, ніж у Sol ($1/$5), і, за заявою OpenAI, у 3 рази швидша, але за завдання OSWorld він коштує $1,19. Цифра $0,40 від Artificial Analysis взята з іншого тесту. Строгий показник завершення не опублікований.

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

    У їхніх списках: Claude: 1 · Meta: 1 · Grok: 2 · Gemini: 1 · Nova · Kimi: 1 · DeepSeek: 1 · Qwen: 1

    Що відзначив кожен ШІ 8
    • Claudeмісце 1

      За $1/$5 за мільйон токенів це найдешевша з передових моделей для роботи з комп'ютером. Власний запуск OpenAI на OSWorld 2.1 у режимі максимальних зусиль коштував $1,19 за завдання, тобто не дешевше, ніж $1,15 у Sol.

      Джерело ↗
    • Metaмісце 1

      Вдвічі дешевше: $1/$5 і в 3 рази швидше, на рівні флагманської Astra за десяту частину ціни токена

      Джерело ↗
    • Grokмісце 2

      Вдвічі нижча ціна токена, ніж у попередніх моделей середнього класу, і заявлено приблизно в 3 рази швидше. OpenAI оцінює Agents' Last Exam на середньому рівні зусиль у $0,29 за завдання.

      Джерело ↗
    • Geminiмісце 1

      Знижує ціни на токени на 50% і працює в 3 рази швидше, даючи найкращу за бенчмарками реальну вартість лише $0,18 за виконане завдання.

    • Nova

      У його списку названо інакше: відкрийте весь список.

    • Kimiмісце 1

      Вдвічі дешевший токен і втричі вища швидкість: близько $1,19 за завдання OSWorld 2.1 на максимальних зусиллях. OpenAI каже, що вартість завдання приблизно в 1/9 вартості Claude Opus 5.5.

      Джерело ↗
    • DeepSeekмісце 1

      За $0,40 за завдання на Artificial Analysis і в 3 рази вища швидкість роблять повтори для Terra такими дешевими, що промах уже не є головною витратою.

      Джерело ↗
    • Qwenмісце 1

      Вдвічі дешевша за попередників і втричі швидша, вона нарешті робить передове керування комп'ютером доступним за виконане завдання.

      Джерело ↗
    8 ШІ поставили сюди
    Джерело ↗
  2. 2

    GPT-6.1 Sol

    У таблиці OpenAI для OSWorld 2.1 Sol коштує $1,15 за завдання при 78,0%, проти $1,19 і 74,2% у Terra. Arena рахує його в $0,81 за завдання.

    Увімкнули: Claude, Meta, Grok, Kimi, DeepSeek, Qwen. Не увімкнули: Gemini, Nova.

    У їхніх списках: Claude: 2 · Meta: 6 · Grok: 7 · Kimi: 2 · DeepSeek: 2 · Qwen: 6

    Що відзначив кожен ШІ 6
    • Claudeмісце 2

      OpenAI каже, що Sol наближається до Astra на 2,1 пункта і коштує приблизно в сім разів дешевше за завдання: 71,4% часткового результату за $1,27 проти 73,5% у Astra за $9,44.

      Джерело ↗
    • Metaмісце 6

      $0,28 з кешем за завдання, 70,5% часткового результату в OSWorld 2.0 — середній клас, який за ціною успіху обходить Astra

    • Grokмісце 7

      Вища продуктивність, ніж у Terra, але приблизно вдвічі дорожчий токен; за власними даними, сильніша на деяких довгих офлайн-наборах.

      Джерело ↗
    • Kimiмісце 2

      $0,81 за завдання за виміром на рейтингу Arena на реальній роботі. А на діаграмі самої OpenAI виконане завдання OSWorld на максимумі коштує $1,15, на 4 центи менше, ніж у Terra.

      Джерело ↗
    • DeepSeekмісце 2

      $1,27 за завдання OSWorld 2.0 проти $9,44 у Astra: розрив у 7,4 раза за падіння часткового результату лише на 2,1 пункта.

    • Qwenмісце 6

      Набирає 75,2% на DeepSWE, але її преміальні ціни на токени роблять її дорогою для візуальних процесів з великою кількістю повторів.

      Джерело ↗
    6 ШІ поставили сюди
    Джерело ↗
  3. 3

    Claude Opus 5.5

    Єдина лідируюча модель з опублікованим строгим результатом OSWorld 2.0: 48,7% повністю завершених завдань. Коштує $5,98–6,31 за завдання, приблизно в п'ять разів дорожче за Sol, але повне завершення перевіряється.

    Увімкнули: Claude, Meta, Kimi, DeepSeek, Qwen. Не увімкнули: Grok, Gemini, Nova.

    У їхніх списках: Claude: 5 · Meta: 8 · Kimi: 6 · DeepSeek: 8 · Qwen: 7

    Що відзначив кожен ШІ 5
    • Claudeмісце 5

      Найкращий строгий результат у таблиці: 48,7% повністю виконаних завдань, але за $4/$20 і приблизно в 9 разів дорожче за завдання, ніж у Terra.

      Джерело ↗
    • Metaмісце 8

      81,8% часткового і 48,7% бінарного результату в OSWorld 2.0 v2.1 — найвищий рівень повного виконання за перевіреними даними

      Джерело ↗
    • Kimiмісце 6

      Найкращий строгий результат за гроші: 48,7% повного виконання в OSWorld 2.0, на третину вище за будь-який інший перевірений, приблизно $13 за виконане завдання.

      Джерело ↗
    • DeepSeekмісце 8

      48,7% строгого виконання за $23,21 за завдання: приблизно $47,66 за виконаний робочий процес, найдорожчий надійний варіант у верхньому класі.

      Джерело ↗
    • Qwenмісце 7

      Досягає 83,5% у OSWorld-Verified, але ціна $4/$20 означає, що петлі зі скриншотами швидко роздувають рахунок.

    5 ШІ поставили сюди
    Джерело ↗
  4. 4

    Claude Fable 5.1

    Оцінка: $7,63 за завдання при 41,7–42,8% строгого завершення (джерела розходяться) дає близько $18 за завершене завдання, при $10/$50 за мільйон токенів.

    Увімкнули: Claude, Meta, Grok, Nova, DeepSeek. Не увімкнули: Gemini, Kimi, Qwen.

    У їхніх списках: Claude: 6 · Meta: 9 · Grok: 10 · Nova · DeepSeek: 7

    Що відзначив кожен ШІ 5
    • Claudeмісце 6

      Вона повністю виконує 41,7% завдань OSWorld 2.0, але за $10/$50 за мільйон токенів коштує в 2,5 раза більше за Opus 5.5 за токен.

      Джерело ↗
    • Metaмісце 9

      85,96% у OSWorld-Verified — вище за базовий показник людей 72,36%, але ціна флагмана $10/$50

      Джерело ↗
    • Grokмісце 10

      Очолює кілька часткових таблиць OSWorld 2.0 з 77,9%, але ціни токенів $10/$50 роблять довгі виконані завдання дорогими з урахуванням повторів.

      Джерело ↗
    • Nova

      У його списку названо інакше: відкрийте весь список.

    • DeepSeekмісце 7

      $7,63 за завдання і 42,8% строгого виконання: приблизно $17,83 за виконаний робочий процес, а не за спробу.

      Джерело ↗
    5 ШІ поставили сюди
    Джерело ↗
  5. 5

    Claude Sonnet 5.5

    Оцінка: $4,51 за завдання на Arena і 83,9% часткового успіху на OSWorld 2.1, найвищого результату в таблиці OpenAI, дають близько $5,40 за завершене завдання. Строгого показника не опубліковано.

    Увімкнули: Claude, Meta, Kimi, Qwen. Не увімкнули: Grok, Gemini, Nova, DeepSeek.

    У їхніх списках: Claude: 4 · Meta: 5 · Kimi: 3 · Qwen: 4

    Що відзначив кожен ШІ 4
    • Claudeмісце 4

      Середньоцінова модель Claude: $2/$10 за мільйон токенів. Її попередниця Sonnet 5 набрала 81,2% у OSWorld-Verified, тобто в межах п'яти пунктів від лідерів.

      Джерело ↗
    • Metaмісце 5

      $0,31 з кешем проти $1,45 без кешу за завдання — економія в 4,7 раза лише завдяки кешуванню промптів

      Джерело ↗
    • Kimiмісце 3

      Найвищий результат для комп'ютера на діаграмі порівняння самої OpenAI — 83,9% у OSWorld 2.1 офлайн — за $2/$10 за мільйон токенів, близько $5,4 за виконане завдання.

      Джерело ↗
    • Qwenмісце 4

      За $2/$10 за мільйон токенів це найкраще для безпеки співвідношення ціни і якості від Anthropic для роботи з комп'ютером середнього класу.

    4 ШІ поставили сюди
    Джерело ↗
  6. 6

    GPT-6 Astra

    $9,44 за завдання при 73,5% часткового успіху: у сім разів дорожче за Sol заради приблизно на 2 пункти більшого результату. Один звіт каже, що OpenAI її скасувала, але трекери досі її показують.

    Увімкнули: Claude, Kimi, DeepSeek. Не увімкнули: Meta, Grok, Gemini, Nova, Qwen.

    У їхніх списках: Claude: 9 · Kimi: 5 · DeepSeek: 6

    Що відзначив кожен ШІ 3
    • Claudeмісце 9

      Ціна токена приблизно в 10 разів вища, ніж у Terra, і $9,44 за завдання за 73,5% часткового результату. Sol наближається до цього за $1,27.

      Джерело ↗
    • Kimiмісце 5

      $4,42 за завдання в перевірці Arena і 80,9% офлайн-виконання, але за $10/$50 за мільйон токенів: ціна флагмана за економіку середнього класу.

      Джерело ↗
    • DeepSeekмісце 6

      90,8% у OSWorld-Verified, але $23,80 за завдання на максимальних зусиллях: можливість, за яку платите поквилинно.

      Джерело ↗
    3 ШІ поставили сюди
    Джерело ↗
  7. 7

    Claude Opus 5

    Оцінка: $23,70 за завдання при 44,33% строгого завершення дає близько $53 за завершене завдання. На ранньому релізі OSWorld 2.0 ця сама модель мала 31,43%.

    Увімкнули: Grok, Kimi, DeepSeek. Не увімкнули: Claude, Meta, Gemini, Nova, Qwen.

    У їхніх списках: Grok: 8 · Kimi: 7 · DeepSeek: 9

    Що відзначив кожен ШІ 3
    • Grokмісце 8

      Сильні часткові результати в OSWorld 2.0 (~70%+), але бінарне виконання в офіційних таблицях лише в межах 30-40%; вища ціна токена.

      Джерело ↗
    • Kimiмісце 7

      Найдешевший опублікований запуск OSWorld-Verified: 50,7% за змішаною ставкою $2 за мільйон. Це близько $1,10 за виконане завдання, але лише на старішому, легшому бенчмарку.

      Джерело ↗
    • DeepSeekмісце 9

      44,33% строгого виконання і $23,70 за завдання: агент, який справляється з половиною завдань, коштує приблизно $53,46 за виконану роботу.

    3 ШІ поставили сюди
    Джерело ↗
  8. 8

    Claude Opus 4.8 (пакетні інструменти)

    Оцінка: близько $72,4 за завдання при 20,6% строгого завершення у статті про OSWorld 2.0, або приблизно $351 за завершене завдання. Це найдорожче в цій таблиці.

    Увімкнули: Claude, Grok, DeepSeek. Не увімкнули: Meta, Gemini, Nova, Kimi, Qwen.

    У їхніх списках: Claude: 10 · Grok: див. список · DeepSeek: див. список

    Що відзначив кожен ШІ 3
    • Claudeмісце 10

      Найкраща модель статті на той час коштувала близько $72,4 за завдання і виконала 20,6%, що становить приблизно $350 за повністю виконане завдання.

      Джерело ↗
    • Grok

      У його списку названо інакше: відкрийте весь список.

      див. список
    • DeepSeek

      У його списку названо інакше: відкрийте весь список.

      див. список
    3 ШІ поставили сюди
    Джерело ↗
  9. 9

    Сімулар Sai

    Оцінка: $14,34–15,70 за завдання при 28,25% строгого завершення дає близько $51–56 за завершене завдання, хоча часткові результати сягають 73–79%.

    Увімкнули: Grok, Qwen. Не увімкнули: Claude, Meta, Gemini, Nova, Kimi, DeepSeek.

    У їхніх списках: Grok: 9 · Qwen: 3

    Що відзначив кожен ШІ 2
    • Grokмісце 9

      Найвищі часткові результати в деяких таблицях OSWorld 2.x (~73-79%), але ~$14-15 за завдання — дорого, якщо враховувати повтори і скриншоти.

      Джерело ↗
    • Qwenмісце 3

      Перевершує великі лабораторії за бінарним виконанням OSWorld 2.0 — 28,25% — завдяки мінімізації дорогих циклів міркування.

      Джерело ↗
    2 ШІ поставили сюди
    Джерело ↗
  10. 10

    Qwen3.8-27B з Agent S4 (Сімулар)

    Оцінка: $1,10 за завдання при 21,3% строгого завершення виходить близько $5 за завершене завдання. Це найдешевша строга цифра з знайдених, але вона з одного звіту.

    Увімкнули: Grok. Не увімкнули: Claude, Meta, Gemini, Nova, Kimi, DeepSeek, Qwen.

    У їхніх списках: Grok: 1

    Що відзначив кожен ШІ 1
    • Grokмісце 1

      Відкрита модель на 27B повністю розв'язує 21,3% завдань OSWorld V2 приблизно по $1,10 кожне. Вона трохи випереджає Opus 4.8 за бінарним результатом, коштуючи при цьому близько 1,5% від його ціни.

      Джерело ↗
    1 ШІ поставили сюди
    Джерело ↗

Трійка докладно ↓

02Докладніше про трійку

Рейтинг вище. Тут — докладніше про перші три місця: що це, чому вони тут і що варто знати.

Три моделі виміряні не однаково: Terra і Sol взято з власної діаграми OpenAI для OSWorld 2.1, а вартість і суворий результат Opus — з OSWorld 2.0 та інших джерел.

1GPT-6.1 Terra

№ 1 — GPT-6.1 Terra. У списках 8 з 8 ШІ; медіанне місце там: 1. ШІ ставлять Terra на перше місце через вдвічі дешевші токени і заявлену втричі вищу швидкість, хоча її вартість завдання $1,19 майже не відрізняється від вартості Sol.

А ви знали

  • Назва «GPT-6.1 Terra» вперше з'явилася не в анонсі, а в зміні коду. 16 жовтня 2026 року Microsoft злила запит на зміни, який перевів 18 налаштувань оцінювання з GPT-5.6 Terra на gpt-6.1-terra. OpenAI модель не підтвердила.

    Джерело ↗ ✓ підтверджено кількома ШІ
Що це
Модель OpenAI для роботи з комп'ютером, коштує $1 і $5 за мільйон токенів.
Чим сильніший
Вдвічі дешевше за токени Sol і, за заявою, втричі швидша, тож повторні спроби лишаються недорогими.
Кому підходить
Підходить користувачам, які економлять і готові прийняти непідтверджені цифри; не підходить тим, кому потрібна модель, що вийшла просто зараз.
  • Вартість одного завдання OSWorld$1,19 за завдання OSWorld
Що варто врахувати

  • Один блог пише, що нова версія Terra нібито ще в розробці й може затриматися до листопада. Це непідтверджена інформація, тож цифри Terra можуть змінитися.

    Джерело ↗
Де дізнатися більше

  • Ще не випущено. Назва з'являється у злитих тестових налаштуваннях, а не в каталозі OpenAI. Спочатку прочитайте розділ «Статус випуску», а потім перевірте сторінку цін самої OpenAI, перш ніж рахувати вартість.

    Джерело ↗
Порівняти першу трійку ↓

2GPT-6.1 Sol

№ 2 — GPT-6.1 Sol. У списках 6 з 8 ШІ; медіанне місце там: 4. ШІ ставлять Sol на друге місце: завдання вона виконувала за $1,15, це на чотири центи дешевше за Terra, і вона наблизилася до дорожчої Astra.

А ви знали

  • GPT-6.1 Sol вийшла лише через тиждень після GPT-6 Sol, 29 вересня 2026 року. У BrowseComp, тесті на перегляд вебсторінок, вона посіла перше місце серед 69 моделей з результатом 95,4%. На сторінці зазначено, що OpenAI сама провела багато своїх головних тестів.

    Джерело ↗
Що це
Модель середнього рівня від OpenAI, випущена 29 вересня 2026 року, коштує $2 і $10 за мільйон токенів.
Чим сильніший
За виконане завдання трохи дешевша за Terra і приблизно в сім разів дешевша за Astra.
Кому підходить
Підходить командам, яким потрібна майже найкраща робота з комп'ютером за менші гроші; не підходить тим, кому потрібні незалежні результати тестів.
  • Вартість одного завдання OSWorld$1,15 за завдання

Wikidata

Чому він тут

  • У OSWorld 2.0 (офлайн, максимальні зусилля) GPT-6.1 Sol набрала 71,4% при $1,27 за завдання. Старіша GPT-6 Astra Max набрала 73,5%, але коштувала $9,44 за завдання, приблизно в сім разів дорожче. — Kingy.ai, citing OpenAI's launch report

    Джерело ↗

  • Прайс-ліст Sol: $2,00 за мільйон вхідних токенів і $10,00 за мільйон вихідних для запитів до 272 000 токенів. Понад цю межу ціна зростає до $4,00 і $15,00. — Kingy.ai

    Джерело ↗ ✓ підтверджено кількома ШІ
Історія

  • OpenAI відмовилася від запланованої моделі GPT-6.1 Astra, бо та часто ігнорувала отримані інструкції. Натомість 29 вересня 2026 року вийшла GPT-6.1 Sol, яка майже не поступається Astra і коштує дешевше.

    Джерело ↗
Що варто врахувати

  • Сторінка самої OpenAI каже, що Sol майже не поступається найкращій її моделі Astra в роботі з комп'ютером, коштуючи за п'яту частину ціни токенів. Це твердження виробника, а не незалежні тести.

    Джерело ↗ ✓ підтверджено кількома ШІ
Порівняти першу трійку ↓

3Claude Opus 5.5

№ 3 — Claude Opus 5.5. У списках 5 з 8 ШІ; медіанне місце там: 7. ШІ ставлять Opus на третє місце: одне завдання коштує приблизно в п'ять разів дорожче, зате в неї є опублікований суворий результат повного виконання.

А ви знали

  • Anthropic пише, що Opus 5.5 «більше не підтримує вимкнення міркувань». Там також сказано, що модель «може здогадуватися, коли її оцінюють», тож результат тесту не гарантує, як вона поводитиметься в реальній роботі.

    Джерело ↗
Що це
Модель Anthropic від 22 вересня 2026 року, коштує $4 і $20 за мільйон токенів.
Чим сильніший
Єдина з трьох із опублікованим суворим результатом: 48,7% завдань повністю виконано.
Кому підходить
Підходить тим, кому обов'язково потрібне повне виконання завдань і хто може платити більше; не підходить для обмеженого бюджету.
  • Вартість одного завдання OSWorld$5,98–6,31 за завдання
Чому він тут

  • За системною карткою, Claude Opus 5.5 набирає 48,7% у суворішому OSWorld 2.0. Anthropic публікує цей суворий результат, а суворих результатів двох інших моделей знайти не вдалося. — BenchLM, citing Anthropic's system card

    Джерело ↗

  • Opus 5.5 коштує $4,00 за мільйон вхідних токенів і $20,00 за мільйон вихідних. Кешовані вхідні дані коштують $0,20 за мільйон, тож вартість знижується, якщо завдання повторно використовує той самий запит. — BenchLM

    Джерело ↗ ✓ підтверджено кількома ШІ
Історія

  • Anthropic випустила Claude Opus 5.5 22 вересня 2026 року. Компанія каже, що в більшості завдань вона на рівні Claude Fable 5.1, а її запуск коштує на 40% менше, ніж Opus 5.

    Джерело ↗
Що варто врахувати

  • Той самий ранній користувач каже, що режим максимальних зусиль усе ще повільний і з'їдає багато токенів. Заявлені 40% дешевше — це твердження, а найкращі результати в тестах саме з максимальними зусиллями, тож реальна вартість завдання може бути вищою.

    Джерело ↗

  • Посібник із переходу попереджає, що міркування більше не можна вимкнути, а примусове використання інструментів тепер повертає помилку. Старому коду може знадобитися правка, а витрати можуть зрости.

    Джерело ↗
Що кажуть люди
Де дізнатися більше

  • Порівняйте два показники OSWorld 2.0: 81,8% частково і 48,7% суворо. Різниця показує, скільки завдань було виконано повністю, а не лише частково.

    Джерело ↗
Порівняти першу трійку ↓

Трійка поруч

GPT-6.1 TerraGPT-6.1 SolClaude Opus 5.5
У списках ШІ8 / 86 / 85 / 8
Вартість одного завдання OSWorld$1,19 за завдання OSWorld$1,15 за завдання$5,98–6,31 за завдання
Першим поставилиClaude, Meta, Gemini, Kimi, DeepSeek, Qwen——

Місця з однаковою кількістю ШІ впорядковано за середнім місцем у списках самих ШІ.

Інші рейтинги

03Варто знати

Що помітили ШІ, поки складали список.

Ті самі агенти набирають 83–86% на OSWorld-Verified, вище за людський базовий рівень 72,36%, але на OSWorld 2.0 повністю виконують лише 20–49% завдань. Там завдання в середньому вимагають близько 318 викликів інструментів проти приблизно 30.

Помітили:
Увімкнули: Claude, Meta, Grok, Kimi, Qwen. Не увімкнули: Gemini, Nova, DeepSeek.
Джерело ↗

Нижча ціна токенів не зробила Terra дешевшим за завдання: у прогоні OpenAI на OSWorld він коштував $1,19 проти $1,15 у Sol, бо використовував більше кроків і токенів.

Помітили:
Увімкнули: Claude, Kimi. Не увімкнули: Meta, Grok, Gemini, Nova, DeepSeek, Qwen.
Джерело ↗

Claude Opus 5 піднявся з 31,43% до 44,33% строгого завершення між релізами OSWorld 2.0 без змін у моделі, після того як 14 завдань переписали, щоб прибрати обхід винагороди.

Помітили:
Увімкнули: Claude, Kimi. Не увімкнули: Meta, Grok, Gemini, Nova, DeepSeek, Qwen.
Джерело ↗

Податок на скріншоти: один незалежний прогін вимагав 400–750 тисяч вхідних токенів і 43–68 циклів «скріншот — міркування — клік» на завдання. Це приблизно в 45 разів дорожче, ніж використання API тієї самої програми.

Помітили:
Увімкнули: Kimi. Не увімкнули: Claude, Meta, Grok, Gemini, Nova, DeepSeek, Qwen.
Джерело ↗

04Що питають люди

Який ШІ може користуватися вашим комп’ютером?

GPT-6.1 Terra і Sol, Claude Opus, Sonnet і Fable 5.x, Qwen3.8 та Gemini Flash уміють бачити екран і натискати на елементи. Найкращий строгий показник повного виконання на OSWorld 2.0 — 48,7% (Claude Opus 5.5).

Джерело ↗
Який ШІ-агент для роботи з комп’ютером найкращий?

За вартістю завершеного завдання GPT-6.1 Sol ($1,15 за завдання OSWorld при 78,0%) трохи випереджає Terra ($1,19 при 74,2%) у власній діаграмі OpenAI. За строгим повним виконанням лідирує Claude Opus 5.5 з 48,7%.

Джерело ↗
Чи справді GPT-6.1 Terra коштує вдвічі менше?

Її ціна за токен, $1/$5 за мільйон, удвічі менша, ніж у Sol. Але в запуску OpenAI на OSWorld вона все одно коштувала $1,19 за завдання, трохи більше, ніж Sol.

Джерело ↗
Чому оцінки роботи з комп’ютером так сильно відрізняються між джерелами?

Виробники наводять часткові оцінки, а строге повне виконання значно нижче: Opus 5 має 77,67% за частковою оцінкою, але 44,33% за строгою. Таблиці також беруть різні версії, ліміти кроків і середовища запуску.

Джерело ↗

05Як рахували

Простими словами, без формул.

1Питання

Топ-10 ШІ-агентів для роботи з комп’ютером за реальною вартістю завершеного завдання, а не ціною за токен

2Чому ця тема

Жодна опублікована таблиця не показує читачеві, скільки коштує одне завершене завдання. Цей рейтинг поєднує оцінку в тесті, ціну за токен і кількість кроків, які агент справді робить. Порядок змінюється, коли враховують невдалі та повторні спроби.

3Де це застосовно

Глобально: ШІ-агенти, що бачать екран і працюють із настільними та веб-застосунками, включно з GPT-6.1 Terra, випущеним 26 жовтня 2026 року

4На що дивилися

  • Частка успішних виконань на OSWorld-Verified (офіційна таблиця лідерів)
  • Частка повного виконання за суворішим тестом OSWorld 2.0
  • Офіційна ціна за мільйон вхідних і вихідних токенів зі сторінки цін кожного виробника
  • Кроки і токени скріншотів на завдання, тож кожна повторна спроба враховується у вартості
  • Швидкість, яку заявляє кожен виробник, перевірена незалежними запусками там, де вони є
  • OSWorld 2.0 / v2.1 (XLang Lab, зведення Presenc AI) — часткова оцінка і строгий двійковий показник повного виконання на 108 довгих робочих процесах (близько 318 викликів інструментів кожен); версії випусків між собою не порівнюються
  • OSWorld 2.0 / таблиця Сноркел — строге повне виконання і часткова оцінка за моделлю, рівнем зусиль і випуском
  • Діаграма запуску GPT-6.1 Terra від OpenAI (через Kingy AI) — оцінка на офлайн-наборі OSWorld 2.1 і вартість завдання на кожному рівні зусиль для Terra, Sol, Astra і Claude

5Хто ставив місця

Провідні ШІ: Claude, Meta, Grok, Gemini, Nova, Kimi, DeepSeek, Qwen. Кожен сам склав свій список із десяти місць і до кожного місця назвав джерело.

6Як зведено місця

Те саме, назване різними ШІ по-різному, рахували як одне. Що більше ШІ включили пункт до свого списку і що вище поставили, то вище його місце. «Згода ШІ» показує, у скількох ШІ цей пункт був у власному списку. Джерела — лише ті, що знайшли самі ШІ, нічого не додано вручну.

06Список кожного ШІ окремо

🇺🇸 Claude10 місць · нотаток: 4

Те саме питання, відповідь одного ШІ — Claude. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    GPT-6.1 Terra (OpenAI, жовтень 2026)

    За $1/$5 за мільйон токенів це найдешевша з передових моделей для роботи з комп'ютером. Власний запуск OpenAI на OSWorld 2.1 у режимі максимальних зусиль коштував $1,19 за завдання, тобто не дешевше, ніж $1,15 у Sol.

    Джерело ↗
  2. 2
    GPT-6.1 Sol (OpenAI, вересень 2026)

    OpenAI каже, що Sol наближається до Astra на 2,1 пункта і коштує приблизно в сім разів дешевше за завдання: 71,4% часткового результату за $1,27 проти 73,5% у Astra за $9,44.

    Джерело ↗
  3. 3
    Qwen3.8-Max (Алібаба, серпень 2026)

    Вона очолює таблицю OSWorld-Verified з 86,1% і коштує $2/$6, тобто за вихідний токен дешевша, ніж будь-яка модель Claude з близьким результатом. Результат заявлений самою компанією.

    Джерело ↗
  4. 4
    Claude Sonnet 5.5 (Anthropic)

    Середньоцінова модель Claude: $2/$10 за мільйон токенів. Її попередниця Sonnet 5 набрала 81,2% у OSWorld-Verified, тобто в межах п'яти пунктів від лідерів.

    Джерело ↗
  5. 5
    Claude Opus 5.5 (Anthropic, вересень 2026)

    Найкращий строгий результат у таблиці: 48,7% повністю виконаних завдань, але за $4/$20 і приблизно в 9 разів дорожче за завдання, ніж у Terra.

    Джерело ↗
  6. 6
    Claude Fable 5.1 (Anthropic)

    Вона повністю виконує 41,7% завдань OSWorld 2.0, але за $10/$50 за мільйон токенів коштує в 2,5 раза більше за Opus 5.5 за токен.

    Джерело ↗
  7. 7
    Muse Spark 1.3 (Мета)

    Друга в строгій таблиці OSWorld 2.0 з 39,25% повністю виконаних завдань, поступаючись лише Claude Opus 5. Ціни в публічному прайсі я не знайшов.

    Джерело ↗
  8. 8
    GPT-6 Luna (OpenAI)

    За $0,10/$0,50 за мільйон токенів її запуск в Agents' Last Exam коштував $0,14 за завдання. Публічного результату в OSWorld немає.

    Джерело ↗
  9. 9
    GPT-6 Astra (OpenAI)

    Ціна токена приблизно в 10 разів вища, ніж у Terra, і $9,44 за завдання за 73,5% часткового результату. Sol наближається до цього за $1,27.

    Джерело ↗
  10. 10
    Claude Opus 4.8, пакетні інструменти (Anthropic, середина 2026)

    Найкраща модель статті на той час коштувала близько $72,4 за завдання і виконала 20,6%, що становить приблизно $350 за повністю виконане завдання.

    Джерело ↗

Що помітив Claude

Той самий агент набирає 83-86% у OSWorld-Verified, але 20-49% повного виконання в OSWorld 2.0. Легкий тест його прикрашає; довгий ближчий до реального робочого дня. Завдання OSWorld 2.0 в середньому потребують близько 318 викликів інструментів, проти приблизно 30 у Verified.

Джерело ↗

Нижчі ціни на токени не зробили Terra дешевшою за завдання в запуску OpenAI на OSWorld: $1,19 у Terra проти $1,15 у Sol. Вартість завдання залежить від того, скільки кроків і скриншотів витрачає модель, а не лише від прайсу.

Джерело ↗

У таблиці Сноркел OSWorld 2.0 Claude Opus 5 при підвищенні рівня зусиль з низького до максимального піднімається з 18,81% до 44,33% повного виконання, тож одна й та сама модель може бути в дуже різних точках співвідношення вартості й успішності.

Джерело ↗

Успішність 98% на крок протягом 20 кроків дає лише близько 67% успішного завершення від початку до кінця. Тому довгі завдання коштують за виконане завдання набагато дорожче, ніж натякає ціна за токен.

Джерело ↗
🇺🇸 Meta10 місць · нотаток: 3

Те саме питання, відповідь одного ШІ — Meta. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    GPT-6.1 Terra

    Вдвічі дешевше: $1/$5 і в 3 рази швидше, на рівні флагманської Astra за десяту частину ціни токена

    Джерело ↗
  2. 2
    Gemini 3.8 Flash

    $0,58 за завдання Intelligence Index проти $3,26 у Astra — найдешевше виконане завдання в незалежному тесті

  3. 3
    Claude Haiku 5.5

    $0,07 за 20-кроковий запит без кешу — найдешевша з Anthropic, але в 5 разів дорожча після 100K токенів на запит

  4. 4
    GPT-6 Luna

    $0,10/$0,50 — у 10 разів дешевше за Terra, створена для масового заповнення форм, попри слабші міркування

  5. 5
    Claude Sonnet 5.5

    $0,31 з кешем проти $1,45 без кешу за завдання — економія в 4,7 раза лише завдяки кешуванню промптів

    Джерело ↗
  6. 6
    GPT-6.1 Sol

    $0,28 з кешем за завдання, 70,5% часткового результату в OSWorld 2.0 — середній клас, який за ціною успіху обходить Astra

  7. 7
    Gemini 3.5 Flash

    78,4% у OSWorld-Verified проти 78,7% у GPT-5.5 — майже паритет за $1,50/$9 і вбудованим керуванням комп'ютером

  8. 8
    Claude Opus 5.5

    81,8% часткового і 48,7% бінарного результату в OSWorld 2.0 v2.1 — найвищий рівень повного виконання за перевіреними даними

    Джерело ↗
  9. 9
    Claude Fable 5

    85,96% у OSWorld-Verified — вище за базовий показник людей 72,36%, але ціна флагмана $10/$50

    Джерело ↗
  10. 10
    Qwen3.8 Max

    86,1% у OSWorld-Verified — лідер станом на 26 жовтня 2026 року; відкрита альтернатива флагманам за $10/$50

    Джерело ↗

Що помітив Meta

Ціна токена вводить в оману: модель за $4/$20 з $0,61 за завдання з кешем може бути дешевшою за виконане завдання, ніж модель за $1/$5, яка блукає через промахи і потребує 3 повторів. Вартість успіху = вартість запуску / частка успішних

Джерело ↗

OSWorld-Verified уже насичений вище за базовий показник людей 72,36%, тож справжньою стелею є бінарний результат 44-48% в OSWorld 2.0. Вендори наводять часткові результати 77-81%, які приховують повні провали

Джерело ↗

Кешування промптів зменшує 20-кроковий запит з $1,45 до $0,31, економія в 4,7 раза. Це більший важіль, ніж вдвічі знизити прайсову ціну з $2 до $1

Джерело ↗
🇺🇸 Grok10 місць · нотаток: 4

Те саме питання, відповідь одного ШІ — Grok. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    Qwen3.8-27B з Agent S4 (Сімулар, 2026)

    Відкрита модель на 27B повністю розв'язує 21,3% завдань OSWorld V2 приблизно по $1,10 кожне. Вона трохи випереджає Opus 4.8 за бінарним результатом, коштуючи при цьому близько 1,5% від його ціни.

    Джерело ↗
  2. 2
    GPT-6.1 Terra (OpenAI, 2026)

    Вдвічі нижча ціна токена, ніж у попередніх моделей середнього класу, і заявлено приблизно в 3 рази швидше. OpenAI оцінює Agents' Last Exam на середньому рівні зусиль у $0,29 за завдання.

    Джерело ↗
  3. 3
    MiMo-V2.6-Pro (Сяомі, 2026)

    82% у OSWorld-Verified приблизно за $0,43/$0,87 за мільйон токенів — один із найдешевших відкритих варіантів з високим результатом.

    Джерело ↗
  4. 4
    Qwen3.8 Max (Алібаба, 2026)

    Очолює OSWorld-Verified з 86,1%, при цьому значно нижча за прайсові ціни флагманів Claude на токени.

    Джерело ↗
  5. 5
    Gemini 3.6 Flash (Google, 2026)

    83% у Verified за $0,75/$3,75 — сильне співвідношення результату до ціни на коротких завданнях на робочому столі.

    Джерело ↗
  6. 6
    Claude Sonnet 5 (Anthropic, 2026)

    81,2% у Verified за ціною середнього класу; за чистою вартістю коротких виконаних завдань усе ще поступається відкритим моделям.

    Джерело ↗
  7. 7
    GPT-6.1 Sol (OpenAI, 2026)

    Вища продуктивність, ніж у Terra, але приблизно вдвічі дорожчий токен; за власними даними, сильніша на деяких довгих офлайн-наборах.

    Джерело ↗
  8. 8
    Claude Opus 5 (Anthropic, 2026)

    Сильні часткові результати в OSWorld 2.0 (~70%+), але бінарне виконання в офіційних таблицях лише в межах 30-40%; вища ціна токена.

    Джерело ↗
  9. 9
    Сімулар Sai (агент у хмарі, 2026)

    Найвищі часткові результати в деяких таблицях OSWorld 2.x (~73-79%), але ~$14-15 за завдання — дорого, якщо враховувати повтори і скриншоти.

    Джерело ↗
  10. 10
    Claude Fable 5.1 (Anthropic, 2026)

    Очолює кілька часткових таблиць OSWorld 2.0 з 77,9%, але ціни токенів $10/$50 роблять довгі виконані завдання дорогими з урахуванням повторів.

    Джерело ↗

Що помітив Grok

Відкриті моделі на 27B з еволюціонованими агентними обв'язками тепер зрівнюються або перевершують закриті передові моделі за бінарним виконанням в OSWorld V2 і коштують приблизно 1-5% від їхньої ціни.

Джерело ↗

Результати OSWorld-Verified збиваються вище за базовий показник людей 72%, тоді як бінарне виконання OSWorld 2.0 для тих самих моделей часто лишається нижче 45%. Відстеження стану на довгій дистанції досі є вузьким місцем.

Джерело ↗

Прайсова ціна GPT-6.1 Terra вдвічі нижча за GPT-6.1 Sol і приблизно в десять разів нижча за GPT-6 Astra. OpenAI стверджує, що на деяких професійних завданнях агентів вона дає результати рівня Astra за частку ціни.

Джерело ↗

Цикли міркувань з великою кількістю скриншотів означають, що сама ціна токена занижує вартість. Моделі, які скорочують кроки або краще кешують, можуть бути дешевшими за виконане завдання, навіть маючи вищі прайсові ставки.

Джерело ↗
🇺🇸 Gemini10 місць

Те саме питання, відповідь одного ШІ — Gemini. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    GPT-6.1 Terra (OpenAI)

    Знижує ціни на токени на 50% і працює в 3 рази швидше, даючи найкращу за бенчмарками реальну вартість лише $0,18 за виконане завдання.

  2. 2
    UI-TARS-7B (Байтданс)

    Легка архітектура з відкритими вагами досягає $0,26 за виконане завдання, коли її маршрутизують через дешеві хости інференсу.

    Джерело ↗
  3. 3
    Gemini 2.0 Flash Computer Use (Google)

    Надзвичайно низька ціна вхідних даних $0,10 компенсує епізодичні промахи по скриншотах і дає $0,32 за виконане завдання.

    Джерело ↗
  4. 4
    UI-TARS-72B (Байтданс)

    Висока візуальна прив'язка зменшує кількість повторів на 24%, знижуючи вартість важкої моделі до $0,62 за виконане завдання.

    Джерело ↗
  5. 5
    Qwen-2.5-VL-72B-Instruct (Алібаба Клауд)

    Краще передбачення координат економить кадри на складних меню і стабілізує виконані запуски на рівні $0,74 кожен.

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

    Висока сира точність 64% стримується ціною $3/$15 за токени, тож реальна вартість виконаного завдання становить $1,18.

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

    Розширене міркування піднімає повне виконання OSWorld 2.0 до 43,6%, але роздуває оплачувані токени до $1,36 за виконане завдання.

    Джерело ↗
  8. 8
    Gemini 2.0 Pro Computer Use (Google)

    Кешування контексту зменшує накладні витрати промпту на 60%, тримаючи вартість виконаного завдання на рівні $1,52 попри важкі кроки міркування.

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

    Стара візуальна архітектура в середньому дає 18 повторів на багатододаткове завдання, підіймаючи вартість завершення до $1,94.

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

    Преміальні ставки $15 за вхід і $75 за вихід дають дорогі $9,20 за виконане завдання у довгих завданнях в ОС.

    Джерело ↗
🇨🇳 Kimi10 місць · нотаток: 4

Те саме питання, відповідь одного ШІ — Kimi. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    GPT-6.1 Terra (OpenAI, 2026)

    Вдвічі дешевший токен і втричі вища швидкість: близько $1,19 за завдання OSWorld 2.1 на максимальних зусиллях. OpenAI каже, що вартість завдання приблизно в 1/9 вартості Claude Opus 5.5.

    Джерело ↗
  2. 2
    GPT-6.1 Sol (OpenAI, 2026)

    $0,81 за завдання за виміром на рейтингу Arena на реальній роботі. А на діаграмі самої OpenAI виконане завдання OSWorld на максимумі коштує $1,15, на 4 центи менше, ніж у Terra.

    Джерело ↗
  3. 3
    Claude Sonnet 5.5 (Anthropic, 2026)

    Найвищий результат для комп'ютера на діаграмі порівняння самої OpenAI — 83,9% у OSWorld 2.1 офлайн — за $2/$10 за мільйон токенів, близько $5,4 за виконане завдання.

    Джерело ↗
  4. 4
    Kimi K3.1 Pro (Муншот АІ, 2026)

    79,6% у OSWorld 2.1 з відкритими вагами — єдиний запис із п'ятірки найкращих, який можна розгорнути самостійно, що повністю прибирає оплату за кожен токен.

  5. 5
    GPT-6 Astra (OpenAI, 2026)

    $4,42 за завдання в перевірці Arena і 80,9% офлайн-виконання, але за $10/$50 за мільйон токенів: ціна флагмана за економіку середнього класу.

    Джерело ↗
  6. 6
    Claude Opus 5.5 (Anthropic, 2026)

    Найкращий строгий результат за гроші: 48,7% повного виконання в OSWorld 2.0, на третину вище за будь-який інший перевірений, приблизно $13 за виконане завдання.

    Джерело ↗
  7. 7
    Claude Haiku 4.5 (Anthropic, 2025)

    Найдешевший опублікований запуск OSWorld-Verified: 50,7% за змішаною ставкою $2 за мільйон. Це близько $1,10 за виконане завдання, але лише на старішому, легшому бенчмарку.

    Джерело ↗
  8. 8
    Gemini 4 Argon / Gemini 3.1 Pro (Google, 2026)

    69,2% на офлайн-підмножині OSWorld 2.0, але Google потрібно до 500 кроків і до 3 запусків на завдання, тож токени скриншотів непомітно з'їдають економію.

  9. 9
    Qwen3.8 Max (Алібаба, 2026)

    86,1% у OSWorld-Verified — найвищий самозаявлений результат серед усіх моделей, але без публічної ціни API вартість виконаного завдання ніхто не може перевірити.

    Джерело ↗
  10. 10
    GPT-5.6 Luna (OpenAI, 2026)

    Найдешевший лічильник у галузі: $0,0144 за завдання з 12 викликів. Але успішність керування комп'ютером не витримує строгих бенчмарків, тож виконані завдання коштують нескінченних повторів.

    Джерело ↗

Що помітив Kimi

Податок на скриншоти домінує: незалежний запуск Reflex показав, що агенту з баченням потрібно 400-750 тисяч вхідних токенів і 43-68 циклів «скриншот — міркування — клік» на завдання. Тож керування комп'ютером приблизно в 45 разів дорожче за звернення до структурованого API тієї самої програми. Кількість кроків задає інтерфейс, а не модель.

Джерело ↗

Часткове і повне виконання — два різні продукти: Claude Opus 5 має 77,67% часткового і лише 44,33% бінарного результату в тому самому запуску OSWorld 2.0. Вендори показують більшу цифру, але вартість ВИКОНАНОГО завдання треба ділити на меншу.

Джерело ↗

Дешевший токен не означає дешевше завдання: у власній діаграмі запуску OpenAI Terra на максимальних зусиллях коштує $1,19 за завдання OSWorld, проти $1,15 у Sol. Terra витрачає більше кроків і токенів, попри вдвічі нижчу ціну на цінníku.

Джерело ↗

Головна економіка GPT-6.1 Terra спирається на цифри вендора: заявлені 3-кратна швидкість і вартість у 1/9 від Opus — це твердження самої OpenAI. Станом на сьогодні жодна незалежна лабораторія не запускала Terra на OSWorld, а рейтинг Arena її ще не містить.

Джерело ↗
🇨🇳 DeepSeek10 місць · нотаток: 1

Те саме питання, відповідь одного ШІ — DeepSeek. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    GPT-6.1 Terra (2026)

    За $0,40 за завдання на Artificial Analysis і в 3 рази вища швидкість роблять повтори для Terra такими дешевими, що промах уже не є головною витратою.

    Джерело ↗
  2. 2
    GPT-6.1 Sol (2026)

    $1,27 за завдання OSWorld 2.0 проти $9,44 у Astra: розрив у 7,4 раза за падіння часткового результату лише на 2,1 пункта.

  3. 3
    Holo3-35B-A3B (2026)

    $0,25 за мільйон вхідних токенів і 82,6% у OSWorld-Verified — відкритий агент, що приблизно в 10 разів дешевший за передові моделі.

    Джерело ↗
  4. 4
    Gemini 3.6 Flash (2026)

    $1,50 за мільйон вхідних токенів і 83,0% у OSWorld-Verified: найдешевший спосіб купити результат у топ-10 для роботи з комп'ютером від великої лабораторії.

  5. 5
    Qwen3.8 Max (2026)

    86,1% у OSWorld-Verified, але на міркування витрачає в 19,4 раза більше токенів, ніж Astra: токен дешевий, а бюджет однаково з'їдається.

    Джерело ↗
  6. 6
    GPT-6 Astra (2026)

    90,8% у OSWorld-Verified, але $23,80 за завдання на максимальних зусиллях: можливість, за яку платите поквилинно.

    Джерело ↗
  7. 7
    Claude Fable 5.1 (2026)

    $7,63 за завдання і 42,8% строгого виконання: приблизно $17,83 за виконаний робочий процес, а не за спробу.

    Джерело ↗
  8. 8
    Claude Opus 5.5 (2026)

    48,7% строгого виконання за $23,21 за завдання: приблизно $47,66 за виконаний робочий процес, найдорожчий надійний варіант у верхньому класі.

    Джерело ↗
  9. 9
    Claude Opus 5 (2026)

    44,33% строгого виконання і $23,70 за завдання: агент, який справляється з половиною завдань, коштує приблизно $53,46 за виконану роботу.

  10. 10
    Intelligence-Indeed Agent (2026)

    90,19% в офіційній таблиці OSWorld-Verified, 100 кроків, без публічної ціни за завдання: лідер таблиці, вартість якого не порахувати.

Що помітив DeepSeek

Заява про втричі вищу швидкість Terra може важити більше, ніж 50% зниження ціни: за $0,40 за завдання повтори дешеві, але її строгий показник виконання в OSWorld 2.0 ще не опублікований.

Джерело ↗
🇨🇳 Qwen10 місць · нотаток: 3

Те саме питання, відповідь одного ШІ — Qwen. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    GPT-6.1 Terra

    Вдвічі дешевша за попередників і втричі швидша, вона нарешті робить передове керування комп'ютером доступним за виконане завдання.

    Джерело ↗
  2. 2
    Qwen3.8 Max

    Очолює OSWorld-Verified з 86,1%, доводячи, що моделі з відкритими вагами можуть домінувати в реальних завданнях на робочому столі за $2/$6 за мільйон токенів.

    Джерело ↗
  3. 3
    Sai (Сімулар)

    Перевершує великі лабораторії за бінарним виконанням OSWorld 2.0 — 28,25% — завдяки мінімізації дорогих циклів міркування.

    Джерело ↗
  4. 4
    Claude Sonnet 5.5

    За $2/$10 за мільйон токенів це найкраще для безпеки співвідношення ціни і якості від Anthropic для роботи з комп'ютером середнього класу.

  5. 5
    Google Gemini 2.5 Computer Use

    Живить наступника Project Mariner з 69,2% часткового результату в OSWorld 2.0 і пакетною корпоративною ціною.

    Джерело ↗
  6. 6
    GPT-6.1 Sol

    Набирає 75,2% на DeepSWE, але її преміальні ціни на токени роблять її дорогою для візуальних процесів з великою кількістю повторів.

    Джерело ↗
  7. 7
    Claude Opus 5.5

    Досягає 83,5% у OSWorld-Verified, але ціна $4/$20 означає, що петлі зі скриншотами швидко роздувають рахунок.

  8. 8
    Coasty

    Заявляє 82% у OSWorld з власною моделлю маршрутизації, яка мінімізує токени скриншотів на кожен крок.

    Джерело ↗
  9. 9
    OpenAI Operator (CUA)

    Оригінальний комерційний веб-агент, який тепер стикається з жорсткою конкуренцією з нещодавно випущеною моделлю Terra.

    Джерело ↗
  10. 10
    Agent S3 w/ bBoN

    Очолює деякі відкриті рейтинги з 63,5%, але потребує великих обчислювальних ресурсів, що збільшують реальні витрати.

    Джерело ↗

Що помітив Qwen

Частка бінарного виконання в OSWorld 2.0 напрочуд низька, часто нижче 30%. Це показує, що часткові оцінки приховують, як часто агенти не доводять довгі робочі процеси до кінця.

Джерело ↗

Вихід GPT-6.1 Terra переносить фронт з чистого інтелекту на ефективність: платити $1/$5 за мільйон токенів означає, що повторити 10-кроковий процес 5 разів нарешті дешевше, ніж найняти людину-стажера.

Джерело ↗

Відкриті моделі на кшталт Qwen3.8 Max тепер очолюють перевірені рейтинги, змушуючи комерційні лабораторії конкурувати за вартість за завдання, а не за хвастощі бенчмарками.

Джерело ↗