Nous avons évalué l’utilisation du navigateur par Claude Opus 5 avec cinq outils d’automatisation sur 27 tâches web

Pour l’utilisation du navigateur par Claude Opus 5 dans notre configuration Claude Code, nous choisirions ego-browser afin d’accomplir davantage de tâches sur plusieurs sites dans la limite de 100 étapes. Il affichait aussi le temps et le coût moyens les plus bas sur les 13 tâches réussies avec tous les outils. L’essentiel de son avance en nombre de réussites vient des tâches qui recueillent les mêmes champs sur de nombreux sites ; sur nos autres tâches, Chrome DevTools CLI en a réussi autant. Chaque outil a exécuté chacune de nos 27 tâches une fois, soit 27 tentatives par outil. Opus 5 a réussi 24 tentatives sur 27 avec ego-browser (88.9%), 18 avec Chrome DevTools CLI et Playwright CLI (66.7%), 17 avec Browser Use CLI (63.0%) et 15 avec agent-browser (55.6%). Sur les 13 tâches réussies avec les cinq outils, ego-browser affichait en moyenne 324.6 secondes et $1.702 par tâche. Chrome DevTools CLI suivait avec 369.5 secondes et $1.845, puis Browser Use CLI avec 407.7 secondes et $1.975, Playwright CLI avec 495.8 secondes et $2.052, et agent-browser avec 543.6 secondes et $2.368.
L’écart se situe dans les tâches sur plusieurs sites : les 11 tâches qui recueillent les mêmes champs sur 8 à 16 sites. Opus 5 en a réussi 8 avec ego-browser et 1 à 3 avec chacun des autres outils. Avec ces quatre outils, il a le plus souvent épuisé ses 100 étapes avant de rédiger une réponse, à raison de 7 à 9 fois par outil, contre une fois avec ego-browser. Sur les 16 autres tâches, Chrome DevTools CLI a lui aussi réussi les 16, Playwright CLI et Browser Use CLI en ont réussi 15, et agent-browser 14.
Dans nos exécutions, l’écart suivait le nombre d’appels d’outils nécessaires au même travail. Sur les 13 tâches réussies avec les cinq outils, Opus 5 effectuait en moyenne 30.3 appels d’outils par tâche avec ego-browser, contre 41.2 à 53.7 avec les autres. Avec ego-browser, il a effectué moins d’appels sur 10 à 13 de ces 13 tâches. Avec ego-browser, le nombre réduit d’appels s’accompagnait de moins de temps passé dans le navigateur, de moins de tokens en cache relus et de davantage de marge dans le budget de 100 étapes.
Chaque outil a un point faible. Avec ego-browser, Opus 5 a échoué sur 3 des 11 tâches sur plusieurs sites. Chrome DevTools CLI était plus rapide qu’ego-browser sur 5 des 13 tâches réussies avec les cinq outils, mais n’a réussi que 2 des 11 tâches sur plusieurs sites. La moyenne de temps de Playwright CLI comprend une exécution de 2 127 secondes sur la tâche consacrée aux publications concernant les lancements de SpaceX. Browser Use CLI a donné 3 réponses incorrectes, et agent-browser a épuisé ses 100 étapes 11 fois, dont deux en dehors des tâches sur plusieurs sites.
| Outil de navigation | Taux de réussite | Temps moyen par tâche | Coût moyen par tâche |
|---|---|---|---|
| ego-browser | 88.9% (24/27) | 324.6 s | $1.702 |
| Chrome DevTools CLI | 66.7% (18/27) | 369.5 s | $1.845 |
| Playwright CLI | 66.7% (18/27) | 495.8 s | $2.052 |
| Browser Use CLI | 63.0% (17/27) | 407.7 s | $1.975 |
| agent-browser | 55.6% (15/27) | 543.6 s | $2.368 |
Chaque outil a exécuté chacune des 27 tâches une fois ; le taux de réussite porte donc sur 27 tentatives par outil. Le temps et le coût par tâche sont des moyennes sur les 13 tâches réussies avec les cinq outils, dont aucune ne porte sur plusieurs sites. Le temps comprend l’attente d’Opus 5 et l’exécution des commandes du navigateur ; le coût est celui indiqué par Claude Code pour chaque tentative.
Taux de réussite
Avec ego-browser, Opus 5 a réussi le plus de tâches, et la quasi-totalité de cette avance vient des 11 tâches sur plusieurs sites. Sur les 16 autres tâches, l’outil de navigation a à peine changé la réussite ou l’échec d’Opus 5.
| Groupe de tâches | ego-browser | Chrome DevTools CLI | Playwright CLI | Browser Use CLI | agent-browser |
|---|---|---|---|---|---|
| Tâches sur plusieurs sites (11) | 8 sur 11 | 2 sur 11 | 3 sur 11 | 2 sur 11 | 1 sur 11 |
| Autres tâches (16) | 16 sur 16 | 16 sur 16 | 15 sur 16 | 15 sur 16 | 14 sur 16 |
| Toutes les tâches (27) | 24 sur 27 | 18 sur 27 | 18 sur 27 | 17 sur 27 | 15 sur 27 |
Tentatives réussies dans chaque groupe, avec une tentative par tâche et par outil, lors des exécutions des 3 et 5 novembre 2026. Si votre agent recueille les mêmes champs sur de nombreux sites, c’est dans la ligne consacrée aux tâches sur plusieurs sites que les outils se distinguent.
Avec les quatre autres outils, la plupart des échecs venaient d’exécutions qui avaient épuisé les 100 étapes avant de fournir une réponse. Les réponses incorrectes étaient rares avec tous les outils : 1 à 3 par outil. Sur les 11 tâches sur plusieurs sites, Opus 5 effectuait en moyenne 73.4 appels d’outils par tentative avec ego-browser, contre 91.5 à 97.0 avec les autres. Chaque ligne ci-dessous totalise 27 tentatives.
| Outil de navigation | Réussi | 100 étapes épuisées | Réponse incorrecte |
|---|---|---|---|
| ego-browser | 24 | 1 | 2 |
| Chrome DevTools CLI | 18 | 7 | 2 |
| Playwright CLI | 18 | 8 | 1 |
| Browser Use CLI | 17 | 7 | 3 |
| agent-browser | 15 | 11 | 1 |
Aucun autre outil n’a réussi une tâche sur laquelle ego-browser avait échoué. Ses trois échecs, deux réponses incorrectes et une exécution ayant épuisé les 100 étapes, concernaient tous des tâches sur plusieurs sites sur lesquelles les quatre autres outils avaient eux aussi échoué.
La tâche sur les banques centrales illustre cette tendance. Opus 5 devait trouver les premières décisions de taux programmées de 2026 de 12 banques centrales, sur le site de chacune, avec la date, la variation, le taux directeur, les opinions dissidentes et la date de la décision suivante. Avec ego-browser, il est passé de la Federal Reserve à la Reserve Bank of India et a fourni correctement les 12 lignes. Avec chacun des quatre autres outils, il a épuisé les 100 étapes avant de rédiger une réponse.

Sur les 16 autres tâches, Chrome DevTools CLI en a réussi autant qu’ego-browser. Sur les tâches sur plusieurs sites, Opus 5 a fourni une réponse finale dans son budget de 100 étapes sur 10 tâches sur 11 avec ego-browser, contre 2 à 4 avec les autres. C’est pour ce type de travail que nous accorderions le plus de poids au choix de l’outil.
Vitesse
ego-browser a donné à Opus 5 le temps moyen le plus bas. Sur les 13 tâches réussies avec les cinq outils, il affichait en moyenne 324.6 secondes par tâche, contre 369.5 à 543.6 pour les autres. Il était plus rapide que Chrome DevTools CLI sur 8 de ces 13 tâches, que Playwright CLI et Browser Use CLI sur 10, et qu’agent-browser sur 11. La moyenne de Playwright CLI comprend une exécution de 2 127 secondes sur la tâche consacrée aux publications concernant les lancements de SpaceX ; nous examinons donc aussi l’écart tâche par tâche.
Face à chacun des autres outils, ego-browser a passé moins de temps à exécuter les commandes du navigateur et a effectué le moins d’appels.
| Outil de navigation | Appels d’outils par tâche | Attente d’Opus 5 par tâche | Exécution des commandes du navigateur par tâche |
|---|---|---|---|
| ego-browser | 30.3 | 222.7 s | 100.3 s |
| Chrome DevTools CLI | 41.2 | 222.4 s | 147.6 s |
| Playwright CLI | 46.0 | 253.0 s | 243.7 s |
| Browser Use CLI | 42.0 | 267.2 s | 139.4 s |
| agent-browser | 53.7 | 298.9 s | 243.3 s |
Moyennes sur les 13 tâches réussies avec les cinq outils, lors des exécutions des 3 et 5 novembre 2026.
Face à Chrome DevTools CLI, l’outil le plus proche, le temps d’attente du modèle était presque identique et le temps enregistré pour les commandes du navigateur était inférieur avec ego-browser. Opus 5 passait 222.7 secondes par tâche à attendre le modèle avec ego-browser, contre 222.4 avec Chrome DevTools CLI. Avec ego-browser, Opus 5 effectuait 30.3 appels au lieu de 41.2 et produisait davantage par appel : 565 tokens de sortie, raisonnement compris, contre 389.
La tâche sur le box-office montre où passent les appels. Opus 5 devait rapprocher les recettes de six films de Wes Anderson entre Box Office Mojo et Wikipedia ; les cinq outils ont fourni toutes les bonnes valeurs. Avec ego-browser, il a réussi en 15 appels d’outils et 167 secondes ; les quatre autres ont nécessité 20 à 26 appels et 249 à 290 secondes. L’écart s’est creusé sur la partie Box Office Mojo : ego-browser l’avait terminée à l’appel 10, les autres aux appels 12 à 16. Lors de l’appel 10, un script a ouvert successivement les pages de sortie de cinq films et a affiché les recettes de chacun.

Coût
ego-browser affichait aussi le coût moyen du modèle le plus bas sur les tâches réussies en commun. Sur les 13 tâches réussies avec les cinq outils, Opus 5 coûtait $1.702 par tâche avec ego-browser, contre $1.845 à $2.368 avec les autres. ego-browser coûtait moins cher que Chrome DevTools CLI et Browser Use CLI sur 8 de ces 13 tâches, que Playwright CLI sur 10 et qu’agent-browser sur 11.
Le modèle et son prix sont identiques avec chaque outil : tout l’écart vient donc de la consommation, ce qui apparaît dans les lectures du cache. Chaque appel d’outil ajoute un tour, et chaque tour renvoie à Opus 5 toute la conversation jusque-là, principalement facturée comme lecture du cache. Avec moins d’appels, Opus 5 a relu 1.32 million de tokens en cache par tâche avec ego-browser, contre 1.69 million à 2.42 millions avec les autres.
| Outil de navigation | Tokens en cache lus par tâche | Lectures du cache | Écritures dans le cache | Sortie |
|---|---|---|---|---|
| ego-browser | 1.32 million | $0.661 | $0.613 | $0.428 |
| Chrome DevTools CLI | 1.69 million | $0.846 | $0.597 | $0.401 |
| Playwright CLI | 1.98 million | $0.991 | $0.607 | $0.454 |
| Browser Use CLI | 1.75 million | $0.877 | $0.597 | $0.500 |
| agent-browser | 2.42 millions | $1.210 | $0.634 | $0.523 |
Moyennes par tâche sur les 13 tâches réussies avec les cinq outils. Claude Code a écrit chaque token en cache avec une durée de vie d’une heure. La décomposition utilise les prix publiés par Anthropic pour Opus 5 : $0.50 par million de tokens lus dans le cache, $10 par million de tokens écrits dans le cache pour une durée d’une heure et $25 par million de tokens de sortie. La somme des trois composantes correspond au coût par tâche de chaque outil, à un dixième de centime de dollar près.
Les coûts de sortie et d’écriture dans le cache sont restés proches avec les cinq outils ; ce sont donc les lectures du cache qui ont déterminé le classement des outils par coût. Sur les 13 tâches réussies avec les cinq outils, ego-browser a économisé 14.3 centimes de dollar par tâche par rapport à Chrome DevTools CLI.
Quel outil de navigation utiliser avec Claude Opus 5
Nous associerions Claude Opus 5 à ego-browser pour l’ensemble de tâches, la configuration Claude Code et le budget de 100 étapes testés ici. C’est avec lui qu’Opus 5 a réussi le plus de tâches ; sur les 13 tâches réussies avec les cinq outils, il affichait le temps et le coût moyens les plus bas.
Pour un travail sur plusieurs sites comparable à nos onze tâches, ego-browser est la configuration que nous choisirions avec ce budget de 100 étapes. Dans ce budget de 100 étapes, Opus 5 a réussi 8 de nos 11 tâches sur plusieurs sites avec lui, contre 1 à 3 avec chacun des autres outils. Si vos tâches ressemblent à nos 16 autres — recherche d’informations sur quelques sites, recherche à partir d’une seule page ou travail dans une seule application web — le choix de l’outil compte moins pour leur réussite. Chrome DevTools CLI a réussi les 16, comme ego-browser ; sur les 13 tâches réussies avec les cinq outils, ego-browser affichait en moyenne 44.9 secondes et 14.3 centimes de dollar de moins par tâche.
Si la vitesse compte le plus, ego-browser affichait le temps moyen le plus bas sur les 13 tâches réussies avec les cinq outils, suivi de Chrome DevTools CLI. Si le coût compte le plus, l’ordre était identique sur ces tâches. Playwright CLI, Browser Use CLI et agent-browser étaient tous derrière les deux premiers pour le temps et le coût moyens sur ce groupe.
Notre configuration utilisait Claude Opus 5 (claude-opus-5) avec un effort élevé dans Claude Code, un fichier skill pour chaque outil de navigation et un budget de 100 étapes par tentative. ego-browser est fourni avec ego(lite), qu’il pilote comme navigateur de l’agent ; les quatre autres outils pilotent Google Chrome.
Le rôle d’ego(lite) dans cette comparaison
ego(lite) fournissait le navigateur piloté par ego-browser, tandis que Claude Code et Claude Opus 5 fournissaient l’agent et le modèle. Le guide d’intégration d’ego-browser décrit ce lien. Les coûts indiqués sont ceux des tokens du modèle, et non le prix d’un abonnement distinct au navigateur.
Servez-vous de la répartition des tâches pour choisir une configuration adaptée à un travail similaire dans le budget testé de 100 étapes. La comparaison du nombre de réussites sur plusieurs sites porte sur onze tâches, tandis que celle du temps et du coût porte sur les treize tâches réussies avec tous les outils. Ces groupes étant différents, les coûts des tâches réussies en commun ne chiffrent pas l’accomplissement des tâches sur plusieurs sites, plus difficiles.
Questions fréquentes
agent-browser ou Playwright CLI : lequel convient le mieux à l’automatisation du navigateur dans Claude Code ?
Avec Claude Opus 5, Playwright CLI a réussi davantage de tentatives dans nos exécutions : 18 sur 27, contre 15 pour agent-browser. Sur les 13 tâches réussies avec les cinq outils, Playwright CLI affichait en moyenne 495.8 secondes et $2.052 par tâche, contre 543.6 secondes et $2.368 pour agent-browser. Playwright CLI était plus rapide sur 9 de ces 13 tâches, malgré une exécution de 2 127 secondes qui a augmenté sa moyenne. agent-browser a épuisé les 100 étapes sur 11 tâches, Playwright CLI sur 8.
Chrome DevTools CLI ou Playwright CLI : lequel fonctionne le mieux avec Claude Opus 5 ?
Ils étaient à égalité pour la réussite, avec 18 tentatives sur 27 chacun ; Chrome DevTools CLI affichait le temps et le coût moyens les plus bas des deux. Sur les 13 tâches réussies avec les cinq outils, il affichait en moyenne 369.5 secondes et $1.845 par tâche, contre 495.8 secondes et $2.052 pour Playwright CLI. Tâche par tâche, ils étaient proches : Chrome DevTools CLI était plus rapide sur 7 de ces 13 tâches et moins cher sur 8. Une exécution de 2 127 secondes de Playwright CLI sur la tâche consacrée aux publications concernant les lancements de SpaceX explique presque tout l’écart de temps.
Chrome DevTools CLI est-il un bon choix pour Claude Opus 5 ?
En dehors des tâches sur plusieurs sites, oui : avec Chrome DevTools CLI, Opus 5 a réussi nos 16 autres tâches, comme avec ego-browser. Il était deuxième pour le temps et le coût moyens, avec 369.5 secondes et $1.845 par tâche sur les 13 tâches réussies avec les cinq outils. Sur les 11 tâches sur plusieurs sites, il en a réussi 2 et a épuisé les 100 étapes sur 7.
Comment Browser Use CLI se compare-t-il aux autres outils de navigation pour Claude Code ?
Avec Browser Use CLI, Opus 5 a réussi 17 tentatives sur 27, contre 15 à 24 avec les quatre autres outils. Sur les 13 tâches réussies avec les cinq outils, il était troisième pour le temps et le coût moyens, avec 407.7 secondes et $1.975 par tâche. Il a donné 3 réponses incorrectes et a épuisé les 100 étapes sur 7 des 11 tâches sur plusieurs sites.
Pourquoi les agents de navigateur échouent-ils sur de longues tâches réparties sur plusieurs sites ?
Dans notre budget de 100 étapes, Claude Opus 5 manquait surtout d’étapes : avec quatre des cinq outils de navigation, il a épuisé les 100 étapes sur 7 à 9 des 11 tâches sur plusieurs sites. Ces quatre outils étaient Chrome DevTools CLI, Playwright CLI, Browser Use CLI et agent-browser. Avec ego-browser, cela n’est arrivé qu’une fois ; sur ces tâches, il effectuait en moyenne 73.4 appels d’outils par tentative avec ego-browser, contre 91.5 à 97.0 avec les autres.
Combien coûte une tâche effectuée par un agent de navigateur avec Claude Opus 5 ?
Sur les 13 tâches de notre test réussies avec les cinq outils, une tâche de navigation avec Claude Opus 5 coûtait environ $1.70 à $2.37 selon l’outil de navigation. La plus grande part du montant vient des tokens en cache relus à chaque tour, dont le nombre augmente avec celui des appels d’outils.
Combien de temps prend une tâche effectuée par un agent de navigateur avec Claude Opus 5 ?
Sur les 13 tâches de notre test réussies avec les cinq outils, une tâche prenait de 324.6 secondes avec ego-browser à 543.6 secondes avec agent-browser. Sur les cinq outils, les tentatives sur plusieurs sites duraient en moyenne de 919.1 à 1112.2 secondes, en comptant toutes les tentatives. Ces deux mesures comprennent le temps passé à attendre Opus 5.
Combien d’appels d’outils Claude Opus 5 effectue-t-il pour une tâche de navigation ?
Entre 30.3 et 53.7 par tâche sur les 13 tâches réussies avec les cinq outils, selon l’outil de navigation. ego-browser en nécessitait le moins et agent-browser le plus. Sur les 11 tâches sur plusieurs sites, les tentatives comptaient en moyenne 73.4 appels avec ego-browser et 91.5 à 97.0 avec les quatre autres outils.
Comment le taux de réussite de Claude Opus 5 variait-il entre les configurations testées ?
Dans nos exécutions, avec le même modèle et la même configuration Claude Code, Opus 5 a réussi de 55.6% à 88.9% de ses 27 tentatives selon l’outil de navigation. L’essentiel de cette variation venait des 11 tâches sur plusieurs sites. Sur les 16 autres tâches, chaque outil en a réussi 14 à 16.
Les outils de navigation se distinguent-ils sur les tâches dans les applications web ?
Pas sur la réussite du travail : Opus 5 a réussi les 4 tâches de nos applications web de test avec chacun des cinq outils. Aucun outil n’était le plus rapide sur plus de 2 des 4 tâches. Les outils se distinguaient par le nombre d’appels nécessaires : 36.2 par tâche avec ego-browser, contre 47.8 à 77.2 avec les autres.
Notre méthode de test
Nous avons exécuté ego-browser le 3 novembre 2026, puis les quatre autres outils le 5 novembre 2026, l’un après l’autre, tous sur le même Mac mini avec Apple silicon sous macOS 26.5. Chaque exécution utilisait Claude Opus 5 (claude-opus-5) avec un effort élevé dans Claude Code 2.1.316, avec les outils Bash, Read, Write, Edit et Skill. Le modèle, l’agent, l’effort, les tâches, la notation et le budget d’étapes étaient identiques pour chaque outil ; nous avons changé l’outil de navigation, son fichier skill et le navigateur qu’il pilotait.
Outils de navigation
Nous avons comparé cinq outils de navigation que Claude Code pilote au moyen de commandes shell. ego-browser v2.2.0-beta.5 pilotait ego(lite) 0.6.3.2 : Opus 5 écrivait des scripts JavaScript, ego-browser les exécutait sur la page, et le contenu de la page revenait sous la forme de ce que le script affichait. Chrome DevTools CLI 1.10.1, Playwright CLI 0.1.22 et agent-browser 0.39.1 pilotaient Google Chrome 156 par des commandes permettant notamment d’ouvrir une page, de prendre un instantané de ses éléments ou d’exécuter du JavaScript. Opus 5 enchaînait au moins deux de ces commandes dans 47.4% à 56.7% des appels shell qui les utilisaient. Browser Use CLI 0.1.13 pilotait Google Chrome 156 au moyen de scripts Python dotés de fonctions d’aide pour charger les pages et exécuter du JavaScript.
Tâches
Nous avons utilisé 27 tâches sur de vrais sites web et dans des applications web de test. Les 11 tâches sur plusieurs sites recueillent les mêmes champs sur 8 à 16 sites, par exemple la première décision de taux de 2026 de 12 banques centrales. Les 16 autres comprennent 9 recherches d’informations sur un à trois sites nommés, 3 tâches de recherche à partir d’une seule page et 4 tâches dans des applications web professionnelles. Exemples : rapprocher les recettes de six films entre Box Office Mojo et Wikipedia, lire des points sur un graphique par survol ou réserver un voyage conforme à une politique de déplacement.
Les tâches sur plusieurs sites constituent un groupe défini dans l’ensemble de tâches : elles recensent au moins 8 éléments et nomment un site distinct pour chacun. Chaque tâche appartient à un seul groupe.
Critères de réussite
Chaque tâche comporte des éléments notés, au nombre de 190 sur les 27 tâches. Une tentative n’est réussie que si sa réponse finale donne correctement chacun des éléments notés ; une tentative sans réponse finale échoue.
Notre méthode de comptage
Une tentative est l’exécution d’une tâche avec un outil. Chaque outil a exécuté chaque tâche une fois, soit 27 tentatives par outil ; le taux de réussite porte sur les tentatives. Une étape correspond à un tour du modèle ; chaque tentative pouvait utiliser jusqu’à 100 étapes, avec une durée maximale de 60 minutes. Parmi les 8 607 étapes comportant un appel d’outil, toutes sauf 5 en ont effectué exactement un.
Un appel d’outil est un appel à l’outil Bash, Read, Write, Edit ou Skill de Claude Code : par exemple un script de navigateur, un appel shell pouvant enchaîner plusieurs commandes ou une lecture de fichier. Une tentative est comptée comme ayant épuisé les 100 étapes lorsqu’elle atteint ce budget sans réponse finale ; chacune de ces tentatives avait effectué 99 ou 100 appels d’outils. Le nombre d’appels provient du journal de session de Claude Code pour chaque tentative.
Le temps est le temps écoulé par tentative. Il comprend l’attente de l’API d’Opus 5 et l’exécution des commandes du navigateur, mesurées séparément dans le tableau de vitesse. Le coût est celui indiqué par Claude Code pour chaque tentative aux prix catalogue d’Anthropic pour Opus 5 ; les tokens en cache et les tokens de sortie proviennent du même enregistrement. Le nombre de tokens de sortie, raisonnement compris, par appel correspond au nombre de tokens de sortie par tâche de chaque outil divisé par son nombre d’appels d’outils par tâche.
La vitesse et le coût sont comparés sur les 13 tâches réussies avec les cinq outils. Chaque tâche n’ayant été exécutée qu’une fois par outil, son temps et son coût sont ceux de cette unique tentative. Des décomptes comme « plus rapide sur 8 tâches sur 13 » comparent les outils une tâche à la fois. Les appels shell sont considérés comme enchaînés lorsqu’ils exécutent au moins deux commandes du même outil de navigation.
Résultats complets
Chaque cellule représente une tentative : son résultat, son temps écoulé en secondes et son coût. Chaque outil a exécuté chaque tâche une fois. Le temps comprend l’attente de l’API d’Opus 5. « Toutes les étapes épuisées » signifie que la tentative a atteint son budget de 100 étapes sans réponse finale.
Tâches sur plusieurs sites
| Tâche | ego-browser | Chrome DevTools CLI | Playwright CLI | Browser Use CLI | agent-browser |
|---|---|---|---|---|---|
| Nombre de pistes, durée, date de sortie et crédits d’un même album sur neuf services musicaux | Réussi, 415 s, $2.42 | Réponse incorrecte, 781 s, $3.88 | Réussi, 809 s, $4.58 | Réussi, 633 s, $3.43 | Toutes les étapes épuisées, 728 s, $4.58 |
| Poids, batterie, définition et caractéristiques de prise de vue en rafale de huit appareils photo sur les sites de leurs fabricants | Réussi, 1112 s, $5.75 | Toutes les étapes épuisées, 990 s, $4.63 | Toutes les étapes épuisées, 823 s, $4.40 | Toutes les étapes épuisées, 936 s, $5.37 | Toutes les étapes épuisées, 799 s, $4.91 |
| Première décision de taux de 2026 de 12 banques centrales, sur le site de chacune | Réussi, 899 s, $5.95 | Toutes les étapes épuisées, 780 s, $6.20 | Toutes les étapes épuisées, 604 s, $5.22 | Toutes les étapes épuisées, 539 s, $5.29 | Toutes les étapes épuisées, 766 s, $4.31 |
| Discours d’ouverture de neuf conférences de développeurs, à partir de leurs programmes et de YouTube | Toutes les étapes épuisées, 1401 s, $7.37 | Toutes les étapes épuisées, 1126 s, $5.80 | Toutes les étapes épuisées, 945 s, $5.31 | Toutes les étapes épuisées, 1100 s, $6.14 | Toutes les étapes épuisées, 962 s, $5.58 |
| Autonomie et caractéristiques de recharge en courant continu de neuf SUV électriques sur les sites américains des constructeurs | Réponse incorrecte, 1020 s, $8.37 | Toutes les étapes épuisées, 1015 s, $5.92 | Toutes les étapes épuisées, 803 s, $5.31 | Toutes les étapes épuisées, 1084 s, $6.83 | Toutes les étapes épuisées, 1223 s, $6.02 |
| Taille, contexte, licence et tokens d’entraînement de neuf modèles à poids ouverts | Réponse incorrecte, 749 s, $7.29 | Toutes les étapes épuisées, 943 s, $5.84 | Toutes les étapes épuisées, 741 s, $5.31 | Toutes les étapes épuisées, 886 s, $7.02 | Toutes les étapes épuisées, 1207 s, $6.46 |
| Salaire minimum légal dans neuf pays, à partir des sites des ministères du Travail | Réussi, 616 s, $4.39 | Toutes les étapes épuisées, 1075 s, $6.20 | Réussi, 687 s, $4.83 | Toutes les étapes épuisées, 724 s, $5.81 | Toutes les étapes épuisées, 1055 s, $5.02 |
| Poids, batterie, écran, indice IP et politique de mise à jour de neuf téléphones sur les sites britanniques des marques | Réussi, 745 s, $6.02 | Toutes les étapes épuisées, 908 s, $4.86 | Toutes les étapes épuisées, 778 s, $4.53 | Toutes les étapes épuisées, 898 s, $5.66 | Toutes les étapes épuisées, 786 s, $5.27 |
| Limites des offres gratuites de neuf plateformes de fonctions serverless | Réussi, 515 s, $3.81 | Réussi, 958 s, $6.45 | Réussi, 565 s, $4.71 | Réponse incorrecte, 580 s, $3.76 | Toutes les étapes épuisées, 1251 s, $5.97 |
| Publications de versions de sécurité de huit projets open source sur X, rapprochées de leurs propres avis de sécurité | Réussi, 1058 s, $3.83 | Réussi, 1047 s, $4.99 | Toutes les étapes épuisées, 2128 s, $4.96 | Réussi, 1805 s, $6.16 | Réussi, 1908 s, $5.35 |
| Publications de 2026 de huit marques sur X concernant leurs produits, rapprochées de leurs communiqués de presse | Réussi, 1580 s, $4.56 | Réponse incorrecte, 849 s, $4.62 | Toutes les étapes épuisées, 2024 s, $5.21 | Réponse incorrecte, 1832 s, $5.39 | Réponse incorrecte, 1548 s, $4.76 |
Autres tâches
| Tâche | ego-browser | Chrome DevTools CLI | Playwright CLI | Browser Use CLI | agent-browser |
|---|---|---|---|---|---|
| Relever le prix de trois modèles de MacBook en configuration 32 GB / 1 TB sur la page de comparaison d’Apple, dans sa boutique américaine et sur les pages de caractéristiques | Réussi, 367 s, $3.15 | Réussi, 374 s, $2.74 | Réussi, 481 s, $4.91 | Réussi, 438 s, $3.06 | Réussi, 568 s, $3.52 |
| Rapprocher les recettes de six films de Wes Anderson entre Box Office Mojo et Wikipedia | Réussi, 167 s, $0.81 | Réussi, 290 s, $1.01 | Réussi, 249 s, $0.89 | Réussi, 265 s, $1.25 | Réussi, 270 s, $0.96 |
| Premier instantané de vérification KYC de quatre entreprises britanniques sur Companies House | Réussi, 359 s, $2.02 | Réussi, 333 s, $1.42 | Réussi, 319 s, $1.66 | Réussi, 321 s, $1.42 | Réussi, 356 s, $1.65 |
| Rapprocher les essais de Phase 3 de 2021 sur la dermatite atopique recensés sur ClinicalTrials.gov et leurs notices réglementaires DailyMed | Réussi, 391 s, $1.98 | Réussi, 338 s, $2.15 | Réussi, 468 s, $2.72 | Réussi, 541 s, $2.38 | Réussi, 475 s, $2.74 |
| Variations en décembre du CPI, du CPI sous-jacent et du prix des œufs par rapport au mois de décembre de l’année précédente, à partir de FRED et vérifiées avec BLS | Réussi, 181 s, $1.09 | Réussi, 346 s, $1.90 | Réussi, 395 s, $1.35 | Réussi, 294 s, $1.48 | Réussi, 311 s, $1.59 |
| Tarifs les plus bas des vols sans escale en classe économique vers Denver depuis trois villes, sur un site de recherche de vols | Réussi, 766 s, $3.50 | Réussi, 1152 s, $3.83 | Réponse incorrecte, 732 s, $4.03 | Réussi, 1008 s, $3.89 | Toutes les étapes épuisées, 1123 s, $5.25 |
| Décision d’utilisation de six fonctionnalités de la plateforme web à partir de MDN et de Can I use | Réussi, 376 s, $1.74 | Réussi, 461 s, $2.41 | Réussi, 420 s, $1.82 | Réussi, 381 s, $1.51 | Réussi, 423 s, $2.11 |
| Une semaine de publications sur X concernant les lancements de SpaceX, vérifiées avec deux listes de lancements sur Wikipedia | Réussi, 472 s, $1.06 | Réussi, 558 s, $1.94 | Réussi, 2127 s, $2.15 | Réussi, 854 s, $1.58 | Réussi, 511 s, $1.55 |
| Notes d’étude du cours de Karpathy sur GPT, vérifiées entre YouTube, GitHub et arXiv | Réussi, 245 s, $1.55 | Réussi, 426 s, $2.75 | Réussi, 696 s, $2.93 | Réussi, 466 s, $2.05 | Toutes les étapes épuisées, 1344 s, $4.49 |
| Huit points de faible coût relevés par survol sur le graphique du classement d’ARC Prize | Réussi, 294 s, $1.60 | Réussi, 360 s, $1.87 | Réussi, 354 s, $1.92 | Réponse incorrecte, 387 s, $2.65 | Réussi, 679 s, $2.19 |
| Compter les modèles dépassant les seuils de calcul de l’UE dans la base de modèles d’Epoch AI | Réussi, 211 s, $1.25 | Réussi, 210 s, $0.97 | Réussi, 273 s, $1.57 | Réussi, 150 s, $0.84 | Réussi, 882 s, $1.95 |
| Remonter de dix cellules d’un tableau de LLM de Wikipedia aux sources qu’elles citent | Réussi, 444 s, $2.11 | Réussi, 474 s, $2.19 | Réussi, 427 s, $2.22 | Réussi, 335 s, $1.91 | Réussi, 349 s, $1.73 |
| Réserver des vols, un siège côté couloir et un hôtel à proximité en respectant la politique de déplacement, dans une application de voyages et de notes de frais | Réussi, 281 s, $1.91 | Réussi, 221 s, $2.14 | Réussi, 452 s, $2.97 | Réussi, 403 s, $3.01 | Réussi, 409 s, $1.98 |
| Mettre les moniteurs de services de niveau 1 en conformité avec une norme écrite dans une console cloud | Réussi, 230 s, $1.39 | Réussi, 202 s, $1.39 | Réussi, 252 s, $1.69 | Réussi, 264 s, $1.60 | Réussi, 543 s, $3.20 |
| Vérifier les factures de février par rapport aux paiements et ouvrir des litiges dans une application de gestion des opérations | Réussi, 539 s, $2.53 | Réussi, 547 s, $2.36 | Réussi, 373 s, $1.73 | Réussi, 681 s, $3.74 | Réussi, 1008 s, $4.00 |
| Créer des bons de commande par fournisseur au moyen d’un import CSV dans une application de gestion des opérations | Réussi, 203 s, $1.08 | Réussi, 450 s, $1.37 | Réussi, 210 s, $1.01 | Réussi, 376 s, $1.87 | Réussi, 962 s, $3.81 |
