Comparamos el uso del navegador de GPT-6.1 Sol y GPT-6 Sol en tres herramientas de navegación

Para la configuración de agente de navegación pi que probamos, elegiríamos GPT-6.1 Sol frente a GPT-6 Sol por completar más tareas y reducir el coste del modelo, más que por una mejora constante de velocidad. En esta prueba de uso del navegador de GPT-6.1 Sol, cada modelo ejecutó una vez cada una de las 25 tareas web en Playwright CLI, agent-browser y ego-browser, con 25 intentos por modelo y herramienta. GPT-6.1 Sol superó 19 intentos de 25 en Playwright CLI, 20 de 25 en agent-browser y 24 de 25 en ego-browser. GPT-6 Sol superó 12, 14 y 18, respectivamente. En las tareas que ambos modelos superaron en cada herramienta, GPT-6.1 Sol tardó una media de 275.6, 327.1 y 195.0 segundos y costó $0.287, $0.339 y $0.372 por tarea. GPT-6 Sol tardó una media de 291.3, 324.0 y 220.2 segundos y costó $0.640, $0.595 y $0.735.
La mayoría de los éxitos adicionales procedieron de la recopilación de datos en varios sitios: tareas que reúnen los mismos campos de entre 9 y 16 sitios. En diez tareas de este tipo por herramienta, GPT-6.1 Sol superó 20 de 30 intentos y GPT-6 Sol superó 6. En las tres herramientas, 19 intentos pasaron de un fallo de GPT-6 Sol a un éxito de GPT-6.1 Sol, y ninguno cambió en sentido contrario.
GPT-6.1 Sol hizo menos llamadas a herramientas en las tareas que ambos modelos superaron. En ego-browser, el 43.7% de sus scripts de navegación hacía referencia a dos o más pestañas o abría una nueva junto a otra existente; GPT-6 Sol lo hizo en el 0.4%. Esto describe los scripts que observamos; no demuestra que el uso de pestañas causara los éxitos adicionales. GPT-6.1 Sol también falló en 12 de sus 75 intentos, y diez fallos terminaron con una respuesta que contenía un valor incorrecto o ausente.
La ventaja de coste se mantiene si se aplica el precio de GPT-6 Sol al consumo de tokens registrado de GPT-6.1 Sol. En las tareas que ambos superaron, ese cálculo da $0.402, $0.477 y $0.523 por tarea en Playwright CLI, agent-browser y ego-browser, por debajo del coste de GPT-6 Sol en cada herramienta. Los resultados de velocidad son dispares: la media de GPT-6.1 Sol es menor en dos herramientas y ligeramente mayor en agent-browser, y en dos herramientas fue más rápido en menos de la mitad de las tareas comunes.
| Modelo y herramienta de navegación | Tasa de éxito | Tiempo medio por tarea | Coste medio por tarea |
|---|---|---|---|
| GPT-6.1 Sol con Playwright CLI | 76.0% (19/25) | 275.6 s | $0.287 |
| GPT-6 Sol con Playwright CLI | 48.0% (12/25) | 291.3 s | $0.640 |
| GPT-6.1 Sol con agent-browser | 80.0% (20/25) | 327.1 s | $0.339 |
| GPT-6 Sol con agent-browser | 56.0% (14/25) | 324.0 s | $0.595 |
| GPT-6.1 Sol con ego-browser | 96.0% (24/25) | 195.0 s | $0.372 |
| GPT-6 Sol con ego-browser | 72.0% (18/25) | 220.2 s | $0.735 |
La tasa de éxito abarca los 25 intentos de cada fila. El tiempo y el coste abarcan las tareas que ambos modelos superaron en esa herramienta: 12 en Playwright CLI, 14 en agent-browser y 18 en ego-browser. El tiempo suma la espera del modelo y la ejecución de la herramienta; excluye el tiempo que el entorno de pruebas consume entre pasos. Cada pareja de modelos en una herramienta es una comparación independiente, por lo que estos grupos de tareas distintos no permiten clasificar las herramientas por tiempo o coste.
Tasa de éxito
Con cada herramienta, GPT-6.1 Sol completó una mayor parte del trabajo probado, con la mayor mejora en la recopilación en varios sitios. Playwright CLI sumó siete éxitos, agent-browser sumó seis y ego-browser, seis. En las tres herramientas, ambos modelos superaron 44 intentos, solo GPT-6.1 Sol superó 19 y ambos fallaron en 12.
| Tipo de trabajo | Tareas por herramienta | Playwright CLI | agent-browser | ego-browser |
|---|---|---|---|---|
| Recopilación de datos en varios sitios | 10 | 5 frente a 2 | 6 frente a 0 | 9 frente a 4 |
| Consultas que abarcan de uno a tres sitios | 8 | 7 frente a 4 | 7 frente a 7 | 8 frente a 8 |
| Investigación exploratoria | 3 | 3 frente a 2 | 3 frente a 3 | 3 frente a 2 |
| Flujos de trabajo en aplicaciones web empresariales | 4 | 4 frente a 4 | 4 frente a 4 | 4 frente a 4 |
Cada celda muestra los éxitos de GPT-6.1 Sol seguidos de los de GPT-6 Sol, con un intento por tarea. El cambio de modelo influye más en la finalización del trabajo en varios sitios. En las cuatro tareas de las aplicaciones de prueba, ambos modelos superaron todos los intentos en todas las herramientas, por lo que allí la razón para cambiar es el coste.
Los 19 casos en los que GPT-6 Sol falló y GPT-6.1 Sol tuvo éxito se dividen en seis intentos que agotaron los pasos sin responder y 13 que dieron una respuesta con un valor incorrecto o ausente. En los 75 intentos, GPT-6 Sol agotó el límite nueve veces y GPT-6.1 Sol, dos. Un paso es una respuesta del modelo y todos los intentos tenían un límite de 100 pasos.
La tarea de cumplimiento normativo de SaaS ilustra un fallo por respuesta incorrecta. Pide las certificaciones de nueve proveedores a fecha de 30 de septiembre de 2026, incluida la autorización FedRAMP más alta disponible en cualquiera de sus ediciones. En ego-browser, GPT-6 Sol revisó los enlaces de la página de confianza de Asana y escribió «none» (ninguna) para Asana. GPT-6.1 Sol siguió el enlace Government, abrió Asana Gov y confirmó su autorización FedRAMP Moderate en un comunicado de prensa.

GPT-6.1 Sol cumplió todas las comprobaciones solicitadas en 38 pasos. GPT-6 Sol se detuvo tras 22 pasos, y el valor incorrecto de Asana también alteró su recuento de proveedores autorizados.
| Campo de la tabla final | Valor correcto | Lo que escribió GPT-6 Sol |
|---|---|---|
| Asana, autorización FedRAMP más alta | Moderate, a través de Asana Gov | none («ninguna») |
| Proveedores con FedRAMP Moderate o superior | 6, incluida Asana | 5, sin Asana |
Los fallos del propio GPT-6.1 Sol también requieren comprobación: diez de los 12 intentos fallidos terminaron con una respuesta que contenía un valor incorrecto o ausente. Una tabla terminada no basta para confiar en un resultado que se utilizará para tomar una decisión.
Cómo trabaja cada modelo
GPT-6.1 Sol hizo menos llamadas a herramientas para el mismo trabajo completado con éxito. En las tareas comunes, realizó una media de 32.6 llamadas por tarea frente a las 42.3 de GPT-6 Sol en Playwright CLI, 34.1 frente a 50.5 en agent-browser y 29.8 frente a 40.1 en ego-browser. Una llamada a herramienta es una invocación de una herramienta del agente, como bash o un lector de archivos.
En ego-browser, 321 de los 735 scripts de GPT-6.1 Sol utilizaban varias pestañas o creaban una nueva; cuatro de los 1 044 scripts de GPT-6 Sol hacían lo mismo. En Playwright CLI y agent-browser, GPT-6.1 Sol ejecutó comandos de pestañas en el 15.8% y el 9.3% de las llamadas a bash, frente al 2.5% y el 2.2% de GPT-6 Sol. Los porcentajes describen interfaces distintas, por lo que son comparaciones entre modelos dentro de cada herramienta.
La tarea de los bancos centrales muestra la diferencia en un trabajo largo. Pide la primera decisión sobre tipos de interés de 2026 de doce bancos centrales, incluida la votación y la fecha del siguiente anuncio. GPT-6 Sol avanzó banco por banco, uno por script, llegó al duodécimo en el paso 90 y agotó su límite sin escribir la tabla. GPT-6.1 Sol utilizó dos pestañas en 30 de sus 38 scripts de navegación, llegó a ese banco en el paso 35 y completó la tabla en el paso 42.

Esto aporta información útil sobre cómo se desarrollaron esos dos intentos; no es una prueba independiente de la estrategia de pestañas. El resultado más amplio de finalización fue de 20 intentos superados de 30 en tareas de varios sitios para GPT-6.1 Sol, y de 6 de 30 para GPT-6 Sol.
Velocidad
La velocidad no sería nuestra razón para cambiar de modelo. En las tareas comunes superadas por ambos, GPT-6.1 Sol tardó una media de 275.6 segundos frente a los 291.3 de GPT-6 Sol en Playwright CLI, 327.1 frente a 324.0 en agent-browser y 195.0 frente a 220.2 en ego-browser. Estas medias incluyen la espera del modelo y la ejecución de herramientas sobre las mismas tareas dentro de cada herramienta.
El recuento de tareas deja más claro el equilibrio. GPT-6.1 Sol fue más rápido en cinco de 12 tareas comunes en Playwright CLI, siete de 14 en agent-browser y siete de 18 en ego-browser. Que su media sea menor en dos herramientas no significa que la mayoría de los trabajos individuales terminaran antes. Las mejoras en la finalización y en el coste son motivos más sólidos para elegirlo en esta configuración.
Coste
GPT-6.1 Sol costó menos en el trabajo que ambos modelos completaron en cada herramienta. Fue más barato en las 12 tareas comunes de Playwright CLI, en 13 de 14 de agent-browser y en 17 de 18 de ego-browser. La tabla separa el cambio registrado en el consumo de tokens del cambio en el precio del modelo.
| Herramienta de navegador | GPT-6.1 Sol | Tokens de GPT-6.1 Sol a las tarifas de GPT-6 Sol | GPT-6 Sol |
|---|---|---|---|
| Playwright CLI | $0.287 | $0.402 | $0.640 |
| agent-browser | $0.339 | $0.477 | $0.595 |
| ego-browser | $0.372 | $0.523 | $0.735 |
Son los costes medios del modelo por tarea en las tareas comunes superadas por ambos modelos dentro de cada herramienta. Utilizamos las tarifas estándar de la API de OpenAI: $2.00 por millón de tokens de entrada sin caché y $10.00 por millón de tokens de salida para ambos modelos. La entrada en caché cuesta $0.10 por millón de tokens para GPT-6.1 Sol y $0.20 para GPT-6 Sol. Son costes de tokens equivalentes a los de la API, no precios de una suscripción al agente.
Incluyendo los intentos fallidos, el coste medio del modelo por tarea fue de $0.410 frente a $0.752 en Playwright CLI, $0.586 frente a $0.833 en agent-browser y $0.430 frente a $0.842 en ego-browser. Considerando todos los intentos a las tarifas de cada modelo, GPT-6.1 Sol costó menos. En las tareas comunes superadas, también costó menos al recalcular su consumo con las tarifas de GPT-6 Sol.
Qué modelo utilizar
Elegiríamos GPT-6.1 Sol con esfuerzo de razonamiento alto para la configuración pi y el trabajo representado aquí. Superó más tareas y costó menos en cada herramienta, y ninguna de las 75 comparaciones pasó de un éxito de GPT-6 Sol a un fallo de GPT-6.1 Sol. No esperaríamos una mejora constante de velocidad a partir de estos resultados.
En la recopilación en varios sitios, la mejora fue de 20 intentos superados de 30 frente a 6 de 30. GPT-6.1 Sol todavía falló diez veces, así que comprobaríamos las tablas devueltas antes de usarlas. En los cuatro flujos de las aplicaciones de prueba, ambos modelos superaron todos los intentos, por lo que la diferencia útil es el coste del modelo.
La configuración probada utilizó el entorno de agentes pi, esfuerzo de razonamiento alto, bash y el archivo de skill de la herramienta de navegación. ego-browser controla ego(lite), mientras que Playwright CLI y agent-browser controlan Chrome. La comparación de modelos utiliza la misma versión y las mismas instrucciones de la herramienta dentro de cada pareja de modelos.
El papel de ego(lite) en esta comparación
ego(lite) fue el navegador controlado por ego-browser, no el modelo comparado. La guía de integración de ego-browser explica esa conexión; Playwright CLI y agent-browser controlaron Chrome en las otras configuraciones.
Elige entre los dos modelos dentro de una misma herramienta antes de comparar herramientas. Los promedios de coste del modelo y tiempo de cada herramienta usan su propio conjunto de tareas completadas con éxito por ambos modelos, por lo que esos promedios no permiten ordenar las herramientas entre sí. Lo que resulta útil para trabajos similares con pi es el equilibrio observado en los registros entre completar tareas y el coste del modelo; los resultados de velocidad siguen siendo dispares.
Preguntas frecuentes
¿Es GPT-6.1 Sol mejor que GPT-6 Sol para agentes de navegador?
En nuestra configuración de pi, GPT-6.1 Sol superó más tareas dentro del conjunto de 25 en cada una de las tres herramientas. Superó 19, 20 y 24 intentos con Playwright CLI, agent-browser y ego-browser; GPT-6 Sol superó 12, 14 y 18. En ninguna de estas comparaciones un éxito del modelo anterior pasó a ser un fallo del nuevo.
¿Es GPT-6.1 Sol más barato que GPT-6 Sol?
El coste medio del modelo GPT-6.1 Sol fue menor con todas las herramientas en las tareas que ambos modelos superaron. Las cifras por tarea fueron $0.287 frente a $0.640, $0.339 frente a $0.595 y $0.372 frente a $0.735. El consumo de tokens registrado también habría costado menos aplicando las tarifas de GPT-6 Sol.
¿Es GPT-6.1 Sol más rápido que GPT-6 Sol?
GPT-6.1 Sol obtuvo un promedio menor con dos herramientas y ligeramente mayor con agent-browser, contando la espera del modelo más el tiempo de ejecución de la herramienta. Fue más rápido en cinco de las 12 tareas comunes con Playwright CLI, siete de las 14 con agent-browser y siete de las 18 con ego-browser. Lo elegiríamos por la finalización de tareas y el coste, más que por una velocidad sistemáticamente superior.
¿Qué cambió en el uso del navegador de GPT-6.1 Sol?
GPT-6.1 Sol utilizó menos llamadas a herramientas en las tareas completadas con éxito por ambos modelos con cada herramienta. En ego-browser, el 43.7% de sus scripts implicaban varias pestañas o creaban una nueva, frente al 0.4% de GPT-6 Sol. GPT-6.1 Sol agotó el límite de pasos sin responder dos veces en 75 intentos, frente a nueve veces con GPT-6 Sol.
¿Falló GPT-6.1 Sol en alguna tarea que GPT-6 Sol había superado?
No, en estas comparaciones de 25 tareas no ocurrió en ningún caso. Entre las tres herramientas, 19 resultados pasaron de un fallo de GPT-6 Sol a un éxito de GPT-6.1 Sol, y ninguno cambió en sentido contrario. Ambos modelos superaron 44 intentos y ambos fallaron en 12.
¿En qué sigue equivocándose GPT-6.1 Sol al usar el navegador?
GPT-6.1 Sol falló en 12 de los 75 intentos con las tres herramientas. Diez terminaron con una respuesta que contenía un valor incorrecto o ausente, y dos agotaron el límite de pasos. Una tabla que parece terminada puede seguir siendo incorrecta.
¿Cómo se comporta GPT-6.1 Sol al recopilar datos de varios sitios?
GPT-6.1 Sol superó 20 de los 30 intentos en diez tareas que recopilan los mismos campos de entre 9 y 16 sitios, frente a los 6 de 30 de GPT-6 Sol. Este grupo aporta la mayor parte de los éxitos adicionales. GPT-6.1 Sol siguió fallando en diez intentos de este grupo.
¿Cambia la herramienta de navegador qué modelo completa más trabajo?
GPT-6.1 Sol superó más tareas con las tres herramientas probadas. La mejora fue de siete éxitos con Playwright CLI y seis tanto con agent-browser como con ego-browser. El balance de velocidad varió según la herramienta.
¿Compensa usar GPT-6.1 Sol dentro de una sola aplicación web?
Ambos modelos superaron los cuatro flujos de las aplicaciones de prueba con todas las herramientas. El cambio de modelo no mejoró la finalización en estas aplicaciones, pero redujo el coste medio del modelo. Esto respalda elegir GPT-6.1 Sol por su coste en la configuración probada.
Cómo realizamos las pruebas
Ejecutamos gpt-6.1-sol y gpt-6-sol con esfuerzo de razonamiento alto mediante el entorno de agentes pi, con bash y un archivo de skill para cada herramienta de navegador. Las ejecuciones de ego-browser comenzaron el 22 de octubre de 2026; las de Playwright CLI y agent-browser, el 5 de noviembre de 2026. Las seis ejecuciones principales usaron el mismo Mac con chip de Apple, con diez tareas en ejecución simultánea.
La comparación principal usa 25 tareas con registros del primer intento para las seis combinaciones de modelo y herramienta. Excluimos de todas las combinaciones las tareas de salario mínimo y compatibilidad de MDN porque al menos un intento archivado había sido sustituido por una repetición posterior dirigida a esa tarea. Los intentos contabilizados corresponden al 22 de octubre y al 5 de noviembre de 2026.
Las herramientas fueron Playwright CLI 0.1.22, agent-browser 0.39.1 y ego-browser v2.1.0. En cada pareja de modelos con una misma herramienta, ambos usaron la misma versión de la herramienta, el mismo archivo de skill, el mismo límite de pasos y las mismas comprobaciones de tarea. Un intento podía utilizar 100 respuestas del modelo antes de que el entorno lo finalizara.
Las 25 tareas comprenden diez tareas de recopilación de datos de varios sitios, ocho consultas que abarcan de uno a tres sitios, tres tareas de investigación exploratoria y cuatro flujos de trabajo en aplicaciones web de prueba. Cada tarea pertenece a un grupo, según su definición. Los ejemplos y los resultados completos tienen el mismo alcance de 25 tareas.
Un intento consiste en ejecutar un modelo en una tarea con una herramienta. Una llamada a herramienta invoca una herramienta del agente; en 7 200 de las 7 202 respuestas que contenían llamadas a herramientas, la respuesta hizo exactamente una llamada. Un script de ego-browser es una invocación de ego-browser nodejs. Superar una tarea significa que la respuesta final cumplió todas las comprobaciones especificadas para ella, incluida la de entregar el resultado completo.
El tiempo suma la espera registrada de la API del modelo y la ejecución de la herramienta, y excluye el tiempo del entorno entre pasos. Las comparaciones de velocidad y coste usan las tareas que ambos modelos superaron con una misma herramienta. Los costes del modelo aplican las tarifas de tokens indicadas al consumo registrado, incluidos los intentos fallidos cuando así lo señala el texto. El recálculo de precios mantiene fijo el consumo de GPT-6.1 Sol y aplica las tarifas de GPT-6 Sol.
Para el uso de pestañas de ego-browser, contamos los scripts que hacían referencia a varias etiquetas de página o creaban otra página, en los 25 intentos de cada modelo. Para las otras herramientas, contamos las llamadas de bash que contenían comandos de pestañas. Estas observaciones dependen de cada interfaz, y abrir pestañas o hacer referencia a ellas no demuestra por sí solo una ejecución simultánea.
Resultados completos
Cada celda indica el resultado de un intento, la espera del modelo más la ejecución de la herramienta en segundos y el coste de tokens del modelo en dólares estadounidenses. Las cifras de tiempo y coste incluyen los fallos; los promedios del resumen solo usan las tareas completadas con éxito por ambos modelos definidas antes. Se enumeran todas las tareas contabilizadas y las seis combinaciones.
| Tarea | Tipo de trabajo | Playwright CLI + GPT-6.1 Sol | Playwright CLI + GPT-6 Sol | agent-browser + GPT-6.1 Sol | agent-browser + GPT-6 Sol | ego-browser + GPT-6.1 Sol | ego-browser + GPT-6 Sol |
|---|---|---|---|---|---|---|---|
| Reservar un viaje conforme a la política en una aplicación de viajes de prueba | Flujos de trabajo en aplicaciones web empresariales | Superado, 197.4 s, $0.224 | Superado, 164.0 s, $0.528 | Superado, 286.8 s, $0.285 | Superado, 267.5 s, $0.427 | Superado, 177.9 s, $0.311 | Superado, 142.9 s, $0.387 |
| Ajustar los monitores de servicios de nivel 1 a un estándar | Flujos de trabajo en aplicaciones web empresariales | Superado, 145.5 s, $0.153 | Superado, 124.1 s, $0.245 | Superado, 331.8 s, $0.414 | Superado, 283.0 s, $0.607 | Superado, 137.6 s, $0.125 | Superado, 91.3 s, $0.215 |
| Conciliar las facturas de febrero con los pagos y abrir disputas | Flujos de trabajo en aplicaciones web empresariales | Superado, 253.0 s, $0.309 | Superado, 154.0 s, $0.362 | Superado, 520.4 s, $0.433 | Superado, 501.4 s, $1.052 | Superado, 190.6 s, $0.239 | Superado, 184.3 s, $0.420 |
| Crear órdenes de compra a partir de los niveles de existencias por proveedor | Flujos de trabajo en aplicaciones web empresariales | Superado, 189.5 s, $0.164 | Superado, 116.4 s, $0.344 | Superado, 307.2 s, $0.244 | Superado, 367.2 s, $0.630 | Superado, 164.5 s, $0.172 | Superado, 125.2 s, $0.191 |
| Tres configuraciones de MacBook de la tienda estadounidense de Apple | Consultas que abarcan de uno a tres sitios | Superado, 314.1 s, $0.367 | Superado, 357.8 s, $0.651 | Superado, 348.5 s, $0.440 | Superado, 471.0 s, $0.620 | Superado, 223.1 s, $0.483 | Superado, 191.8 s, $1.160 |
| La taquilla de seis películas de Wes Anderson en Box Office Mojo y Wikipedia | Consultas que abarcan de uno a tres sitios | Superado, 180.9 s, $0.151 | Superado, 496.1 s, $0.594 | Superado, 334.7 s, $0.339 | Superado, 487.0 s, $0.570 | Superado, 142.0 s, $0.179 | Superado, 105.2 s, $0.237 |
| Evaluación KYC de cuatro empresas británicas en Companies House | Consultas que abarcan de uno a tres sitios | Superado, 185.8 s, $0.178 | Superado, 226.0 s, $0.583 | Superado, 579.3 s, $0.393 | Superado, 319.4 s, $0.708 | Superado, 177.9 s, $0.423 | Superado, 121.2 s, $0.529 |
| Ensayos clínicos de 2021 sobre dermatitis atópica contrastados con las fichas técnicas de los medicamentos correspondientes | Consultas que abarcan de uno a tres sitios | Superado, 332.6 s, $0.352 | No superado, 583.0 s, $0.744 | Superado, 317.1 s, $0.418 | Superado, 482.8 s, $0.857 | Superado, 234.4 s, $0.450 | Superado, 252.3 s, $0.796 |
| Tres series del IPC en FRED contrastadas con BLS | Consultas que abarcan de uno a tres sitios | Superado, 441.5 s, $0.221 | Superado, 417.7 s, $0.262 | Superado, 429.0 s, $0.372 | Superado, 265.7 s, $0.922 | Superado, 97.4 s, $0.187 | Superado, 44.5 s, $0.164 |
| Las tarifas más baratas de vuelos sin escalas a Denver en un buscador de vuelos | Consultas que abarcan de uno a tres sitios | Superado, 411.5 s, $0.471 | No superado, 616.3 s, $0.948 | No superado, 872.9 s, $1.109 | No superado, 690.9 s, $1.342 | Superado, 338.0 s, $0.609 | Superado, 385.3 s, $1.503 |
| Una semana de publicaciones sobre lanzamientos de SpaceX en X contrastadas con Wikipedia | Consultas que abarcan de uno a tres sitios | No superado, 118.0 s, $0.088 | No superado, 363.3 s, $0.491 | Superado, 224.4 s, $0.151 | Superado, 239.4 s, $0.577 | Superado, 112.7 s, $0.183 | Superado, 499.8 s, $0.269 |
| Una clase de YouTube contrastada con su script en GitHub y su artículo en arXiv | Consultas que abarcan de uno a tres sitios | Superado, 467.3 s, $0.700 | No superado, 454.7 s, $0.922 | Superado, 221.6 s, $0.349 | Superado, 235.8 s, $0.395 | Superado, 94.7 s, $0.274 | Superado, 132.1 s, $0.574 |
| Cómo presentan un mismo álbum nueve servicios de música | Recopilación de datos en varios sitios | No superado, 440.3 s, $0.603 | No superado, 419.9 s, $1.117 | Superado, 678.2 s, $0.995 | No superado, 688.6 s, $1.068 | No superado, 180.2 s, $0.489 | No superado, 227.8 s, $1.179 |
| La primera decisión sobre tipos de interés de 2026 de doce bancos centrales | Recopilación de datos en varios sitios | Superado, 686.3 s, $0.917 | No superado, 713.3 s, $1.273 | No superado, 694.0 s, $1.008 | No superado, 674.2 s, $1.069 | Superado, 318.3 s, $0.643 | No superado, 377.3 s, $2.641 |
| Las ponencias inaugurales de nueve conferencias de desarrolladores | Recopilación de datos en varios sitios | Superado, 726.0 s, $0.960 | Superado, 701.9 s, $2.388 | Superado, 507.9 s, $0.949 | No superado, 459.7 s, $1.606 | Superado, 488.4 s, $1.174 | Superado, 473.4 s, $1.495 |
| Especificaciones para Estados Unidos de nueve SUV eléctricos | Recopilación de datos en varios sitios | Superado, 756.9 s, $0.771 | No superado, 730.6 s, $0.964 | No superado, 495.9 s, $0.801 | No superado, 595.0 s, $1.071 | Superado, 413.6 s, $0.843 | No superado, 316.8 s, $1.471 |
| Hoja de aprobación de nueve modelos de pesos abiertos en Hugging Face | Recopilación de datos en varios sitios | No superado, 537.6 s, $0.719 | No superado, 616.2 s, $0.986 | Superado, 651.6 s, $1.020 | No superado, 663.4 s, $1.194 | Superado, 352.8 s, $0.804 | Superado, 330.1 s, $1.198 |
| Especificaciones oficiales para Reino Unido de nueve teléfonos insignia | Recopilación de datos en varios sitios | Superado, 575.9 s, $0.635 | No superado, 642.9 s, $0.773 | Superado, 786.8 s, $0.942 | No superado, 392.0 s, $0.743 | Superado, 348.1 s, $0.704 | No superado, 270.2 s, $0.765 |
| Matriz de cumplimiento a partir de nueve centros de confianza SaaS | Recopilación de datos en varios sitios | No superado, 683.8 s, $0.577 | No superado, 560.0 s, $0.642 | No superado, 704.3 s, $0.736 | No superado, 464.7 s, $0.542 | Superado, 299.8 s, $0.592 | No superado, 185.1 s, $0.451 |
| Planes gratuitos de nueve plataformas sin servidor | Recopilación de datos en varios sitios | Superado, 369.2 s, $0.395 | Superado, 441.0 s, $0.491 | No superado, 582.5 s, $0.529 | No superado, 763.6 s, $1.241 | Superado, 199.4 s, $0.360 | Superado, 267.4 s, $1.331 |
| Las versiones de seguridad de ocho proyectos de código abierto en X y en sus sitios | Recopilación de datos en varios sitios | No superado, 318.5 s, $0.392 | No superado, 334.8 s, $0.903 | Superado, 619.8 s, $0.892 | No superado, 670.8 s, $1.468 | Superado, 231.5 s, $0.441 | Superado, 434.8 s, $2.405 |
| Ocho lanzamientos de electrónica de consumo en X y en notas de prensa | Recopilación de datos en varios sitios | No superado, 404.1 s, $0.401 | No superado, 397.8 s, $0.917 | Superado, 675.0 s, $0.924 | No superado, 528.6 s, $1.139 | Superado, 389.1 s, $0.541 | No superado, 567.1 s, $1.101 |
| Leer los costes y las puntuaciones del gráfico de la clasificación de ARC Prize | Investigación exploratoria | Superado, 171.3 s, $0.185 | Superado, 239.0 s, $1.092 | Superado, 361.3 s, $0.466 | Superado, 304.5 s, $0.357 | Superado, 84.9 s, $0.201 | Superado, 83.5 s, $0.257 |
| Contar los modelos que superan los umbrales de cómputo de la UE en los datos de Epoch AI | Investigación exploratoria | Superado, 132.7 s, $0.132 | Superado, 57.9 s, $0.139 | Superado, 106.5 s, $0.147 | Superado, 116.1 s, $0.159 | Superado, 62.2 s, $0.090 | Superado, 99.0 s, $0.105 |
| Rastrear diez citas de la lista de grandes modelos de lenguaje de Wikipedia | Investigación exploratoria | Superado, 340.0 s, $0.189 | No superado, 654.3 s, $0.435 | Superado, 211.0 s, $0.300 | Superado, 194.6 s, $0.451 | Superado, 169.6 s, $0.244 | No superado, 151.4 s, $0.202 |

