返回今日热点: OpenAI 新 AI 能自己在电脑上干办公活，价格只要一半

Poly 榜单 · 来自今日热点

2026年最佳电脑操作AI智能体：每完成一项任务的成本

OpenAI自己的OSWorld测试显示，GPT-6.1 Terra每项任务成本1.19美元，token单价只有GPT-6.1 Sol的一半，但比Sol的1.15美元每项还多4美分。

第1名：GPT-6.1 Terra
10 个名次
截至 2026年10月27日, 00:55 EDT

01最终榜单

领先的 AI 各自独立编制了十项榜单。这里是一份便于核对的汇总：每个名次都有理由、来源，以及列入它的 AI。

排序依据：按 AI 认同度从高到低。

亮色标签表示该 AI 把这一项列入了自己的榜单，暗色标签表示没有。

1
GPT-6.1 Terra
token单价是Sol的一半（1美元/5美元），按OpenAI的说法快3倍，但在OSWorld上每项任务仍要1.19美元。Artificial Analysis给出的0.40美元来自另一项测试。严格完成率没有公布。
已列入: Claude, Meta, Grok, Gemini, Nova, Kimi, DeepSeek, Qwen.
在各自榜单中的名次: Claude: 1 · Meta: 1 · Grok: 2 · Gemini: 1 · Nova · Kimi: 1 · DeepSeek: 1 · Qwen: 1
每个 AI 的看法 8
- Claude第 1 名
  每百万 token $1/$5，是最便宜的前沿电脑操作模型。OpenAI 自家在 OSWorld 2.1 上以最高投入跑出的结果是每任务 $1.19，并不比 Sol 的 $1.15 便宜。
  来源 ↗
- Meta第 1 名
  半价 $1/$5，速度快 3 倍，token 单价只有旗舰 Astra 的十分之一，性能却与之相当
  来源 ↗
- Grok第 2 名
  中档前代模型 token 价格的一半，据称速度快约 3 倍；OpenAI 给出的中等投入 Agents' Last Exam 成本为每任务 $0.29。
  来源 ↗
- Gemini第 1 名
  token 价格降低 50%，速度快 3 倍，单个完成任务的真实成本仅 $0.18，排名基准测试第一。
- Nova
  在它自己的列表中名称不同：请打开完整列表。
- Kimi第 1 名
  token 价格减半，速度快 3 倍：在最高投入下，OSWorld 2.1 每个任务约 $1.19——OpenAI 称其单任务成本约为 Claude Opus 5.5 的九分之一。
  来源 ↗
- DeepSeek第 1 名
  在 Artificial Analysis 上每个任务 $0.40，速度快 3 倍，Terra 让重试变得很便宜，误点不再是主要成本。
  来源 ↗
- Qwen第 1 名
  价格只有前代的一半，速度快 3 倍，首次让前沿级电脑操作在按完成任务计算时变得负担得起。
  来源 ↗
8 个 AI 列入此名次
来源 ↗
2
GPT-6.1 Sol
在OpenAI自己的OSWorld 2.1图表中，Sol每项任务1.15美元，完成率78.0%；Terra为1.19美元，完成率74.2%。Arena测得Sol每项任务0.81美元。
已列入: Claude, Meta, Grok, Kimi, DeepSeek, Qwen. 未列入: Gemini, Nova.
在各自榜单中的名次: Claude: 2 · Meta: 6 · Grok: 7 · Kimi: 2 · DeepSeek: 2 · Qwen: 6
每个 AI 的看法 6
- Claude第 2 名
  OpenAI 称，Sol 的部分得分仅比 Astra 低 2.1 分，单任务成本只约七分之一：部分得分 71.4%，花费 $1.27；Astra 为 73.5%，花费 $9.44。
  来源 ↗
- Meta第 6 名
  缓存后每任务 $0.28，OSWorld 2.0 部分得分 70.5%——中端模型，单次成功的成本比 Astra 低
- Grok第 7 名
  能力高于 Terra，但 token 价格约为其两倍；厂商自报在部分长时程离线测试集上更强。
  来源 ↗
- Kimi第 2 名
  在 Arena 的真实工作排行榜上每个任务 $0.81；而在 OpenAI 自己的图表中，最高投入下完成一个 OSWorld 任务要 $1.15，比 Terra 便宜四美分。
  来源 ↗
- DeepSeek第 2 名
  每个 OSWorld 2.0 任务 $1.27，Astra 为 $9.44——部分得分只少 2.1 分，成本却相差 7.4 倍。
- Qwen第 6 名
  DeepSWE 得分 75.2%，但其高昂的 token 费率使重试频繁的视觉工作流变得昂贵。
  来源 ↗
6 个 AI 列入此名次
来源 ↗
3
Claude Opus 5.5
唯一公布了OSWorld 2.0严格成绩的领先模型：完整完成率48.7%。每项任务成本5.98–6.31美元，约为Sol的五倍，但完成情况经过逐项核验。
已列入: Claude, Meta, Kimi, DeepSeek, Qwen. 未列入: Grok, Gemini, Nova.
在各自榜单中的名次: Claude: 5 · Meta: 8 · Kimi: 6 · DeepSeek: 8 · Qwen: 7
每个 AI 的看法 5
- Claude第 5 名
  表中最好的严格得分：完全完成率 48.7%，但价格为 $4/$20，单任务成本约为 Terra 的 9 倍。
  来源 ↗
- Meta第 8 名
  OSWorld 2.0 v2.1 部分得分 81.8%，完全完成率 48.7%——已验证的完全完成率最高
  来源 ↗
- Kimi第 6 名
  目前可验证的最佳严格成绩：OSWorld 2.0 完全完成率 48.7%，比其他已验证结果高出约三分之一；每个完成任务约 $13。
  来源 ↗
- DeepSeek第 8 名
  严格完全完成率 48.7%，每个任务 $23.21——折合每个完成的工作流约 $47.66，是顶级梯队中最贵的可信选项。
  来源 ↗
- Qwen第 7 名
  OSWorld-Verified 达到 83.5%，但 $4/$20 的定价使截图循环很快推高账单。
5 个 AI 列入此名次
来源 ↗
4
Claude Fable 5.1
估算：每项任务7.63美元，严格完成率41.7–42.8%（各来源数据不同），token单价为每百万10美元/50美元，折合每完成一项任务约18美元。
已列入: Claude, Meta, Grok, Nova, DeepSeek. 未列入: Gemini, Kimi, Qwen.
在各自榜单中的名次: Claude: 6 · Meta: 9 · Grok: 10 · Nova · DeepSeek: 7
每个 AI 的看法 5
- Claude第 6 名
  OSWorld 2.0 任务的完全完成率为 41.7%，但每百万 token 价格为 $10/$50，按 token 计算是 Opus 5.5 的 2.5 倍。
  来源 ↗
- Meta第 9 名
  OSWorld-Verified 得分 85.96%——高于 72.36% 的人类基准，但旗舰定价为 $10/$50
  来源 ↗
- Grok第 10 名
  在多个 OSWorld 2.0 部分得分榜单上居首，为 77.9%；但 $10/$50 的 token 价格，使长任务在重试后成本高昂。
  来源 ↗
- Nova
  在它自己的列表中名称不同：请打开完整列表。
- DeepSeek第 7 名
  每个任务 $7.63，严格完全完成率 42.8%——折合每个完成的工作流约 $17.83，而不是每次尝试。
  来源 ↗
5 个 AI 列入此名次
来源 ↗
5
Claude Sonnet 5.5
估算：Arena上每项任务4.51美元，OSWorld 2.1上部分完成率83.9%（OpenAI自家图表中的最高分），折合每完成一项任务约5.40美元。尚未公布严格成绩。
已列入: Claude, Meta, Kimi, Qwen. 未列入: Grok, Gemini, Nova, DeepSeek.
在各自榜单中的名次: Claude: 4 · Meta: 5 · Kimi: 3 · Qwen: 4
每个 AI 的看法 4
- Claude第 4 名
  中端 Claude，每百万 token $2/$10。前代 Sonnet 5 在 OSWorld-Verified 上得 81.2%，与榜首相差不到五分。
  来源 ↗
- Meta第 5 名
  每任务缓存后 $0.31，未缓存 $1.45——仅靠提示缓存就省下 4.7 倍
  来源 ↗
- Kimi第 3 名
  OpenAI 自家对比图中桌面得分最高：OSWorld 2.1 离线 83.9%，价格 $2/$10，每个完成任务约 $5.4。
  来源 ↗
- Qwen第 4 名
  每百万 token $2/$10，为中端电脑操作提供 Anthropic 最好的安全与成本之比。
4 个 AI 列入此名次
来源 ↗
6
GPT-6 Astra
每项任务9.44美元，部分完成率73.5%：成本是Sol的七倍，完成率只多约2个百分点。有报告称OpenAI已取消该模型，但榜单仍有收录。
已列入: Claude, Kimi, DeepSeek. 未列入: Meta, Grok, Gemini, Nova, Qwen.
在各自榜单中的名次: Claude: 9 · Kimi: 5 · DeepSeek: 6
每个 AI 的看法 3
- Claude第 9 名
  token 单价约为 Terra 的 10 倍，单任务 $9.44 换来 73.5% 的部分得分；Sol 花 $1.27 就接近这个成绩。
  来源 ↗
- Kimi第 5 名
  Arena 实测每任务 $4.42，离线完成率 80.9%——但 $10/$50 的价格，让中端的经济性付出了前沿价格。
  来源 ↗
- DeepSeek第 6 名
  OSWorld-Verified 得 90.8%，但最高投入下每个任务 $23.80：能力按分钟计价。
  来源 ↗
3 个 AI 列入此名次
来源 ↗
7
Claude Opus 5
估算：每项任务23.70美元，严格完成率44.33%，折合每完成一项任务约53美元。在较早的OSWorld 2.0版本中，同一模型的得分是31.43%。
已列入: Grok, Kimi, DeepSeek. 未列入: Claude, Meta, Gemini, Nova, Qwen.
在各自榜单中的名次: Grok: 8 · Kimi: 7 · DeepSeek: 9
每个 AI 的看法 3
- Grok第 8 名
  OSWorld 2.0 部分得分很强（约 70% 以上），但官方排行榜上完全完成率仍只在 30% 至 40% 的中低区间；token 成本较高。
  来源 ↗
- Kimi第 7 名
  OSWorld-Verified 上最便宜的已公布运行：50.7%，按每百万 token $2 的综合价，每个完成任务约 $1.10——但只限于较老、较容易的基准。
  来源 ↗
- DeepSeek第 9 名
  严格完全完成率 44.33%，每个任务 $23.70——相当于两次里约一次成功的智能体，每个完成的工作约 $53.46。
3 个 AI 列入此名次
来源 ↗
8
Claude Opus 4.8（批量工具调用版）
估算：在OSWorld 2.0论文中，每项任务约72.4美元，严格完成率20.6%，折合每完成一项任务约351美元，是本表中最贵的。
已列入: Claude, Grok, DeepSeek. 未列入: Meta, Gemini, Nova, Kimi, Qwen.
在各自榜单中的名次: Claude: 10 · Grok: 查看列表 · DeepSeek: 查看列表
每个 AI 的看法 3
- Claude第 10 名
  论文中当时最好的模型，每任务成本约 $72.4，完成率 20.6%，折算下来，每完成一个任务约 $350。
  来源 ↗
- Grok
  在它自己的列表中名称不同：请打开完整列表。
  查看列表
- DeepSeek
  在它自己的列表中名称不同：请打开完整列表。
  查看列表
3 个 AI 列入此名次
来源 ↗
9
Simular Sai
估算：每项任务14.34–15.70美元，严格完成率28.25%，折合每完成一项任务约51–56美元，尽管其部分完成率可达73–79%。
已列入: Grok, Qwen. 未列入: Claude, Meta, Gemini, Nova, Kimi, DeepSeek.
在各自榜单中的名次: Grok: 9 · Qwen: 3
每个 AI 的看法 2
- Grok第 9 名
  部分 OSWorld 2.x 排行榜上的部分得分最高（约 73-79%），但每任务约 $14-15——若计入重试和截图，花费很高。
  来源 ↗
- Qwen第 3 名
  通过减少昂贵的推理循环，OSWorld 2.0 完全完成率达 28.25%，超过多家主要实验室。
  来源 ↗
2 个 AI 列入此名次
来源 ↗
10
Qwen3.8-27B with Agent S4（Simular）
估算：每项任务1.10美元，严格完成率21.3%，折合每完成一项任务约5美元。这是找到的最低严格成本数字，但只来自一份报告。
已列入: Grok. 未列入: Claude, Meta, Gemini, Nova, Kimi, DeepSeek, Qwen.
在各自榜单中的名次: Grok: 1
每个 AI 的看法 1
- Grok第 1 名
  开源 27B 模型在 OSWorld V2 上完整解决 21.3% 的任务，每个约 $1.10——完全完成率略超 Opus 4.8，成本却只有其约 1.5%。
  来源 ↗
1 个 AI 列入此名次
来源 ↗

前三名详解 ↓

02前三名详解

榜单在上方。这里进一步介绍排名前三的对象：它们是什么、为什么上榜、有哪些值得了解的事。

三者的测量方式不同：Terra 和 Sol 的数据来自 OpenAI 自己的 OSWorld 2.1 图表，而 Opus 的成本和严格得分则来自 OSWorld 2.0 及其他来源。

1GPT-6.1 Terra

第 1 名 — GPT-6.1 Terra. 8 个 AI 中有 8 个将其列入榜单；在其中的中位名次：1. AI 把 Terra 排在首位，理由是 token 价格只有一半、号称速度快三倍，但它每个任务 1.19 美元的成本与 Sol 几乎没有差别。

你知道吗

“GPT-6.1 Terra”这个名字最早出现在一次代码改动中，而不是发布公告里。2026 年 10 月 16 日，一个已合并的微软拉取请求把 18 项评测设置从 GPT-5.6 Terra 改成了 gpt-6.1-terra。OpenAI 尚未确认这个模型。
来源 ↗ ✓ 多个 AI 共同确认

它是什么: OpenAI 的电脑操作模型，每百万 token 收费 1 美元和 5 美元。
它的优势: token 价格是 Sol 的一半，号称快三倍，所以重试的成本也低。
适合谁: 适合在意预算、且能接受未经证实数字的用户；不适合需要今天就能用上已发布模型的人。

单次 OSWorld 任务成本每个 OSWorld 任务 1.19 美元

需要注意

一篇博客称，新的 Terra 据报道仍在开发中，可能推迟到 11 月。这是未经证实的报道，因此 Terra 的数据可能会改变。
来源 ↗

进一步了解

仍未发布。它的名字出现在泄露的测试设置里，而不在 OpenAI 的产品目录中。计入成本之前，请先阅读“发布状态”一节，再查看 OpenAI 自家的定价页面。
来源 ↗

比较前三名 ↓

2GPT-6.1 Sol

第 2 名 — GPT-6.1 Sol. 8 个 AI 中有 6 个将其列入榜单；在其中的中位名次：4. AI 把 Sol 排在第二，因为它完成任务的成本是 1.15 美元，比 Terra 低 4 美分，并且接近更贵的 Astra。

你知道吗

GPT-6.1 Sol 仅在 GPT-6 Sol 推出一周后，即 2026 年 9 月 29 日发布。它在网页浏览测试 BrowseComp 上以 95.4% 的成绩在 69 个模型中排名第一。该页面指出，OpenAI 的许多主打测试是由其自己进行的。
来源 ↗

它是什么: OpenAI 的中档模型，2026 年 9 月 29 日发布，每百万 token 收费 2 美元和 10 美元。
它的优势: 每个完成任务的成本略低于 Terra，比 Astra 便宜约七倍。
适合谁: 适合希望以较低成本获得接近顶级电脑操作能力的团队；不适合需要独立测试结果的人。

单次 OSWorld 任务成本每个任务 1.15 美元

Wikidata

为什么上榜

在 OSWorld 2.0（离线、最高强度）上，GPT-6.1 Sol 得分 71.4%，每个任务 1.27 美元。较早的 GPT-6 Astra Max 得分 73.5%，但每个任务成本 9.44 美元，约为其七倍。 — Kingy.ai, citing OpenAI's launch report
来源 ↗
Sol 的标价为：提示不超过 272,000 个 token 时，每百万输入 token 2.00 美元，每百万输出 token 10.00 美元。超过此数，价格升至 4.00 美元和 15.00 美元。 — Kingy.ai
来源 ↗ ✓ 多个 AI 共同确认

历史

OpenAI 放弃了计划中的 GPT-6.1 Astra，因为它经常无视所给的指令。2026 年 9 月 29 日，它改为发布 GPT-6.1 Sol，以更低的价格提供接近 Astra 的性能。
来源 ↗

需要注意

OpenAI 自己的页面称，Sol 在电脑操作上几乎与其顶级模型 Astra 持平，而 token 价格只有其五分之一。这些都是厂商的说法，并非独立测试。
来源 ↗ ✓ 多个 AI 共同确认

比较前三名 ↓

3Claude Opus 5.5

第 3 名 — Claude Opus 5.5. 8 个 AI 中有 5 个将其列入榜单；在其中的中位名次：7. AI 把 Opus 排在第三：它每个任务的成本约贵五倍，但它公布了严格的全部完成率得分。

你知道吗

Anthropic 称 Opus 5.5“不再支持关闭思考”。它还称该模型“可能会察觉自己正在被评估”，因此基准测试得分无法保证它在实际使用中的表现。
来源 ↗

它是什么: Anthropic 的模型，2026 年 9 月 22 日发布，每百万 token 收费 4 美元和 20 美元。
它的优势: 三者中唯一公布严格得分的：完整完成率为 48.7%。
适合谁: 适合必须确保任务全部完成、且能承担更高费用的用户；不适合预算紧张的人。

单次 OSWorld 任务成本每个任务 5.98–6.31 美元

为什么上榜

Claude Opus 5.5 根据其系统卡，在更严格的 OSWorld 2.0 上得分 48.7%。Anthropic 公布了这一严格得分，而另外两个模型的严格得分未能找到。 — BenchLM, citing Anthropic's system card
来源 ↗
Opus 5.5 的标价为每百万输入 token 4.00 美元，每百万输出 token 20.00 美元。缓存输入每百万 0.20 美元，当任务重复使用相同提示时，可以降低成本。 — BenchLM
来源 ↗ ✓ 多个 AI 共同确认

历史

Anthropic 于 2026 年 9 月 22 日发布 Claude Opus 5.5。Anthropic 称，它在大多数任务上的表现与 Claude Fable 5.1 相当，运行成本比 Opus 5 低 40%。
来源 ↗

需要注意

同一位早期用户表示，最高强度模式仍然很慢，且很耗 token。宣传中的便宜 40% 只是一种说法，而基准测试的胜出恰恰来自最高强度模式，因此每个任务的实际成本可能更高。
来源 ↗
迁移指南警告，思考功能已无法关闭，强制使用工具时现在会返回错误。旧代码可能需要修改，成本也可能上升。
来源 ↗

人们怎么说

finally sounds like old claude again, less like ai — @notjazii
来源 ↗

进一步了解

将 OSWorld 2.0 的两个数字并排看：部分完成 81.8%，严格完成 48.7%。两者的差距显示了有多少任务被完整完成，而不只是部分完成。
来源 ↗

比较前三名 ↓

前三名对比

	GPT-6.1 Terra	GPT-6.1 Sol	Claude Opus 5.5
进入 AI 榜单	8 / 8	6 / 8	5 / 8
单次 OSWorld 任务成本	每个 OSWorld 任务 1.19 美元	每个任务 1.15 美元	每个任务 5.98–6.31 美元
排第一的 AI	Claude, Meta, Gemini, Kimi, DeepSeek, Qwen	—	—

AI 数量相同的名次，按其在各 AI 榜单中的平均名次排序。

03值得了解

AI 在编制榜单时注意到的内容。

同一批智能体在OSWorld-Verified上得分83–86%，高于72.36%的人类基准线，但在OSWorld 2.0上只有20–49%的任务被完整完成。后者的任务平均需要约318次工具调用，前者约为30次。

提及者:

已列入: Claude, Meta, Grok, Kimi, Qwen. 未列入: Gemini, Nova, DeepSeek.

01最终榜单

GPT-6.1 Terra

GPT-6.1 Sol

Claude Opus 5.5

Claude Fable 5.1

Claude Sonnet 5.5

GPT-6 Astra

Claude Opus 5

Claude Opus 4.8（批量工具调用版）

Simular Sai

Qwen3.8-27B with Agent S4（Simular）

02前三名详解

1GPT-6.1 Terra

你知道吗

2GPT-6.1 Sol

你知道吗

3Claude Opus 5.5

你知道吗

前三名对比

更多榜单

03值得了解

04大家常问的问题

05我们如何统计

1问题

2为什么选这个话题

3适用范围

4考量标准

5谁来排名

6名次如何确定

06各个 AI 的单独榜单

Claude 注意到的内容

Meta 注意到的内容

Grok 注意到的内容

Kimi 注意到的内容

DeepSeek 注意到的内容

Qwen 注意到的内容