Abbiamo valutato l’uso del browser di Claude Opus 5 con cinque strumenti di automazione del browser su 27 attività web

15 min di lettura
Sole astratto e paesaggio a strati su sfondo blu per il benchmark dell’uso del browser di Claude Opus 5

Nella nostra configurazione Claude Code, sceglieremmo ego-browser per completare più attività su più siti con Claude Opus 5 entro 100 passaggi. Ha anche registrato il tempo medio e il costo medio più bassi sulle 13 attività superate da tutti gli strumenti. Gran parte del vantaggio nel numero di successi deriva dalle attività che raccolgono gli stessi campi da molti siti; sulle altre attività, Chrome DevTools CLI ne ha superate altrettante. Ogni strumento ha eseguito una volta ciascuna delle nostre 27 attività, per un totale di 27 tentativi per strumento. Opus 5 ha superato 24 tentativi su 27 con ego-browser (88.9%), 18 con Chrome DevTools CLI e Playwright CLI (66.7%), 17 con Browser Use CLI (63.0%) e 15 con agent-browser (55.6%). Sulle 13 attività superate da tutti e cinque, ego-browser ha impiegato in media 324.6 secondi e ha avuto un costo medio di $1.702 per attività. Seguono Chrome DevTools CLI con 369.5 secondi e $1.845, Browser Use CLI con 407.7 secondi e $1.975, Playwright CLI con 495.8 secondi e $2.052 e agent-browser con 543.6 secondi e $2.368.

La differenza riguarda le attività su più siti: 11 attività che raccolgono gli stessi campi da 8 a 16 siti. Opus 5 ne ha superate 8 con ego-browser e da 1 a 3 con ciascuno degli altri strumenti. Con questi quattro strumenti ha perlopiù esaurito tutti i 100 passaggi prima di scrivere una risposta: da 7 a 9 volte per strumento, contro una sola volta con ego-browser. Sulle altre 16 attività, anche Chrome DevTools CLI le ha superate tutte e 16, Playwright CLI e Browser Use CLI ne hanno superate 15 e agent-browser 14.

Nelle nostre esecuzioni, la differenza seguiva il numero di chiamate agli strumenti necessarie per lo stesso lavoro. Sulle 13 attività superate da tutti e cinque, Opus 5 ha effettuato in media 30.3 chiamate per attività con ego-browser e da 41.2 a 53.7 con gli altri. Con ego-browser ha effettuato meno chiamate in un numero compreso fra 10 e 13 di quelle 13 attività. Con ego-browser, meno chiamate si accompagnavano a meno tempo nel browser, meno token della cache riletti e più margine nel budget di 100 passaggi.

Ogni strumento ha un punto debole. Con ego-browser, Opus 5 non ha superato 3 delle 11 attività su più siti. Chrome DevTools CLI era più veloce di ego-browser in 5 delle 13 attività superate da tutti e cinque, ma ha superato solo 2 delle 11 attività su più siti. Il tempo medio di Playwright CLI include un’esecuzione di 2127 secondi sull’attività relativa ai post sui lanci di SpaceX. Browser Use CLI ha prodotto 3 risposte errate, mentre agent-browser ha esaurito tutti i 100 passaggi 11 volte, due delle quali al di fuori delle attività su più siti.

Strumento per il browserTasso di successoTempo medio per attivitàCosto medio per attività
ego-browser88.9% (24/27)324.6 s$1.702
Chrome DevTools CLI66.7% (18/27)369.5 s$1.845
Playwright CLI66.7% (18/27)495.8 s$2.052
Browser Use CLI63.0% (17/27)407.7 s$1.975
agent-browser55.6% (15/27)543.6 s$2.368

Ogni strumento ha eseguito una volta ciascuna delle 27 attività, quindi il tasso di successo è calcolato su 27 tentativi per strumento. Tempo e costo per attività sono le medie sulle 13 attività superate da tutti e cinque gli strumenti; nessuna di queste è un’attività su più siti. Il tempo comprende l’attesa di Opus 5 e l’esecuzione dei comandi del browser; il costo è quello riportato da Claude Code per ogni tentativo.

Tasso di successo

ego-browser ha permesso a Opus 5 di superare il maggior numero di attività, e quasi tutto il vantaggio deriva dalle 11 attività su più siti. Sulle altre 16, lo strumento per il browser ha influito poco sulla riuscita di Opus 5.

Gruppo di attivitàego-browserChrome DevTools CLIPlaywright CLIBrowser Use CLIagent-browser
Attività su più siti (11)8 su 112 su 113 su 112 su 111 su 11
Altre attività (16)16 su 1616 su 1615 su 1615 su 1614 su 16
Tutte le attività (27)24 su 2718 su 2718 su 2717 su 2715 su 27

Tentativi superati in ogni gruppo, con un tentativo per attività e per strumento, nelle esecuzioni del 3 novembre 2026 e del 5 novembre 2026. Se il tuo agente raccoglie gli stessi campi da molti siti, è nella riga delle attività su più siti che emergono le differenze fra gli strumenti.

Con gli altri quattro strumenti, la maggior parte degli insuccessi riguarda esecuzioni che hanno esaurito tutti i 100 passaggi senza aver scritto una risposta. Le risposte errate erano rare con ogni strumento: da 1 a 3 per strumento. Sulle 11 attività su più siti, Opus 5 ha effettuato in media 73.4 chiamate agli strumenti per tentativo con ego-browser e da 91.5 a 97.0 con gli altri. Ogni riga seguente totalizza 27 tentativi.

Strumento per il browserSuperatiEsauriti tutti i 100 passaggiRisposta errata
ego-browser2412
Chrome DevTools CLI1872
Playwright CLI1881
Browser Use CLI1773
agent-browser15111

Nessun altro strumento ha superato un’attività che ego-browser non ha superato. I suoi tre insuccessi, due risposte errate e un’esecuzione che ha esaurito tutti i 100 passaggi, riguardavano tutti attività su più siti che neppure gli altri quattro strumenti hanno superato.

L’attività sulle banche centrali mostra questo andamento. Opus 5 doveva trovare, sul sito di ciascuna di 12 banche centrali, la prima decisione sui tassi prevista dal calendario del 2026, con data, variazione, tasso di politica monetaria, voti contrari e data della decisione successiva. Con ego-browser è passato dalla Federal Reserve fino alla Reserve Bank of India e ha restituito correttamente tutte le 12 righe. Con ciascuno degli altri quattro strumenti ha esaurito tutti i 100 passaggi senza scrivere una risposta.

Riproduzione dei comandi del browser registrati: Claude Opus 5 usa ego-browser sulla dichiarazione di politica monetaria della Reserve Bank of India di febbraio 2026 nell’attività sulle banche centrali
Riproduzione dei comandi registrati. Claude Opus 5 con ego-browser nell’attività sulle banche centrali. La chiamata allo strumento 84 su 86 apre la dichiarazione di politica monetaria di febbraio 2026 della Reserve Bank of India, la 12ª delle 12 banche. Esecuzione originale: 3 novembre 2026. Schermata della riproduzione acquisita in ego(lite) il 10 novembre 2026. Visualizza l’immagine a grandezza originale

Sulle altre 16 attività, Chrome DevTools CLI ne ha superate tante quante ego-browser. Nelle attività su più siti, Opus 5 ha fornito una risposta finale entro il budget di 100 passaggi in 10 attività su 11 con ego-browser e da 2 a 4 con gli altri. È per questo tipo di lavoro che valuteremmo con più attenzione la scelta.

Velocità

ego-browser ha dato a Opus 5 il tempo medio più basso. Sulle 13 attività superate da tutti e cinque gli strumenti, ha impiegato in media 324.6 secondi per attività, contro 369.5–543.6 per gli altri. È stato più veloce di Chrome DevTools CLI in 8 di quelle 13 attività, di ciascuno degli strumenti Playwright CLI e Browser Use CLI in 10 e di agent-browser in 11. La media di Playwright CLI include un’esecuzione di 2127 secondi sull’attività relativa ai post sui lanci di SpaceX: per questo analizziamo la differenza anche attività per attività.

Rispetto a ciascuno degli altri strumenti, ego-browser ha dedicato meno tempo all’esecuzione dei comandi del browser e ha effettuato il minor numero di chiamate.

Strumento per il browserChiamate agli strumenti per attivitàAttesa di Opus 5 per attivitàEsecuzione dei comandi del browser per attività
ego-browser30.3222.7 s100.3 s
Chrome DevTools CLI41.2222.4 s147.6 s
Playwright CLI46.0253.0 s243.7 s
Browser Use CLI42.0267.2 s139.4 s
agent-browser53.7298.9 s243.3 s

Medie sulle 13 attività superate da tutti e cinque gli strumenti, nelle esecuzioni del 3 novembre 2026 e del 5 novembre 2026.

Rispetto a Chrome DevTools CLI, lo strumento più vicino, l’attesa del modello era quasi identica, mentre il tempo registrato per i comandi del browser era inferiore con ego-browser. Opus 5 ha atteso il modello per 222.7 secondi per attività con ego-browser e per 222.4 con Chrome DevTools CLI. Con ego-browser, Opus 5 ha effettuato 30.3 chiamate anziché 41.2 e ha scritto di più per chiamata: 565 token di output, ragionamento incluso, contro 389.

L’attività sugli incassi mostra dove vengono impiegate le chiamate. Opus 5 doveva conciliare gli incassi di sei film di Wes Anderson fra Box Office Mojo e Wikipedia, e con tutti e cinque gli strumenti ogni valore era corretto. Con ego-browser ha superato l’attività in 15 chiamate agli strumenti e 167 secondi, mentre gli altri quattro hanno richiesto da 20 a 26 chiamate e da 249 a 290 secondi. La differenza si è creata nella parte relativa a Box Office Mojo: ego-browser l’aveva completata entro la chiamata 10, gli altri entro le chiamate da 12 a 16. Nella chiamata 10, uno script ha aperto in sequenza le pagine relative all’uscita di cinque film e ha stampato gli incassi di ciascuno.

Riproduzione di comandi del browser registrati: Claude Opus 5 usa ego-browser sulle pagine delle uscite di Box Office Mojo nell’attività sugli incassi
Riproduzione di comandi registrati. Claude Opus 5 con ego-browser nell’attività sugli incassi. La chiamata allo strumento 10 di 15 apre in sequenza le pagine delle uscite nazionali di cinque film e ne stampa gli incassi. Esecuzione originale: 3 novembre 2026. Schermata della riproduzione acquisita in ego(lite) il 10 novembre 2026. Visualizza l’immagine a grandezza originale

Costo

ego-browser ha avuto anche il costo medio del modello più basso nelle attività riuscite con tutti gli strumenti. Nelle 13 attività superate da tutti e cinque, Opus 5 è costato $1.702 per attività con ego-browser e da $1.845 a $2.368 con gli altri. ego-browser è costato meno di ciascuno degli strumenti Chrome DevTools CLI e Browser Use CLI in 8 di queste 13 attività, meno di Playwright CLI in 10 e meno di agent-browser in 11.

Il modello e il suo prezzo sono gli stessi con ogni strumento: l’intera differenza dipende quindi dai consumi, come mostrano le letture dalla cache. Ogni chiamata a uno strumento aggiunge un turno e ogni turno reinvia a Opus 5 la conversazione fino a quel momento, fatturata soprattutto come letture dalla cache. Con meno chiamate, Opus 5 ha riletto 1.32 milioni di token dalla cache per attività con ego-browser, contro un intervallo da 1.69 milioni a 2.42 milioni con gli altri.

Strumento per il browserToken letti dalla cache per attivitàLetture dalla cacheScritture nella cacheOutput
ego-browser1.32 milioni$0.661$0.613$0.428
Chrome DevTools CLI1.69 milioni$0.846$0.597$0.401
Playwright CLI1.98 milioni$0.991$0.607$0.454
Browser Use CLI1.75 milioni$0.877$0.597$0.500
agent-browser2.42 milioni$1.210$0.634$0.523

Medie per attività sulle 13 attività superate da tutti e cinque gli strumenti. Claude Code ha scritto ogni token nella cache con una durata di un’ora. Le singole componenti usano i prezzi di listino di Anthropic per Opus 5: $0.50 per milione di token letti dalla cache, $10 per milione di token scritti nella cache con durata di un’ora e $25 per milione di token di output. La somma delle tre componenti coincide con il costo per attività di ciascuno strumento entro un decimo di centesimo.

I costi di output e scrittura nella cache sono rimasti simili tra i cinque strumenti; a determinare l’ordine sono quindi le letture dalla cache. Nelle 13 attività superate da tutti e cinque, ego-browser ha fatto risparmiare 14.3 centesimi per attività rispetto a Chrome DevTools CLI.

Quale strumento per il browser usare con Claude Opus 5

Abbineremmo Claude Opus 5 a ego-browser per l’insieme di attività, la configurazione di Claude Code e il limite di 100 passaggi testati qui. Opus 5 ha superato il maggior numero di attività con questo strumento e, nelle 13 attività superate da tutti e cinque, ha avuto il tempo e il costo medi più bassi.

Per attività su più siti simili alle nostre undici, ego-browser è la configurazione che sceglieremmo entro questo limite di 100 passaggi. Entro il limite di 100 passaggi, Opus 5 ha superato 8 delle 11 attività su più siti con ego-browser e da 1 a 3 con ciascuno degli altri strumenti. Se le tue attività assomigliano alle altre 16, ossia ricerche su pochi siti, ricerche che partono da una pagina o operazioni all’interno di una sola applicazione web, lo strumento incide meno sul superamento delle attività. Chrome DevTools CLI le ha superate tutte e 16, come ego-browser; nelle 13 superate da tutti e cinque, ego-browser ha impiegato in media 44.9 secondi in meno ed è costato 14.3 centesimi in meno per attività.

Se conta soprattutto la velocità, ego-browser ha avuto il tempo medio più basso nelle 13 attività superate da tutti e cinque, seguito da Chrome DevTools CLI. Se conta soprattutto il costo, l’ordine in queste attività è stato lo stesso. Playwright CLI, Browser Use CLI e agent-browser sono rimasti dietro a entrambi per tempo e costo medi in questo gruppo.

La nostra configurazione usava Claude Opus 5 (claude-opus-5) con intensità di ragionamento alta in Claude Code, un file skill per ogni strumento del browser e un limite di 100 passaggi per tentativo. ego-browser è fornito insieme a ego(lite) e lo controlla come browser dell’agente; gli altri quattro strumenti controllano Google Chrome.

Il ruolo di ego(lite) in questo confronto

ego(lite) forniva il browser controllato da ego-browser, mentre Claude Code e Claude Opus 5 fornivano rispettivamente l’agente e il modello. La guida all’integrazione di ego-browser descrive questo collegamento. I costi riportati sono costi dei token del modello, non il prezzo di un abbonamento separato al browser.

Usa la suddivisione delle attività per scegliere una configurazione per lavori simili entro il limite di 100 passaggi testato. Il confronto sul completamento delle attività su più siti riguarda undici attività, mentre quello su tempo e costo riguarda le tredici superate da tutti gli strumenti. Sono gruppi diversi: i costi delle attività comuni non indicano quanto costi completare le più difficili attività su più siti.

Domande frequenti

Per automatizzare il browser con Claude Code, è meglio agent-browser o Playwright CLI?

Con Claude Opus 5, Playwright CLI ha superato più tentativi nelle nostre esecuzioni: 18 su 27, contro 15 per agent-browser. Nelle 13 attività superate da tutti e cinque gli strumenti, Playwright CLI ha richiesto in media 495.8 secondi e $2.052 per attività, contro 543.6 secondi e $2.368 di agent-browser. Playwright CLI è stato più veloce in 9 di queste 13 attività, anche se un’esecuzione di 2127 secondi ne ha alzato la media. agent-browser ha esaurito tutti i 100 passaggi in 11 attività, Playwright CLI in 8.

Chrome DevTools CLI o Playwright CLI: quale funziona meglio con Claude Opus 5?

I due strumenti hanno ottenuto lo stesso numero di successi, 18 tentativi su 27 ciascuno, e Chrome DevTools CLI ha avuto il tempo e il costo medi più bassi. Nelle 13 attività superate da tutti e cinque, ha richiesto in media 369.5 secondi e $1.845 per attività, contro 495.8 secondi e $2.052 con Playwright CLI. Il confronto per singola attività è stato più equilibrato: Chrome DevTools CLI è stato più veloce in 7 di queste 13 attività e meno costoso in 8. Una sola esecuzione di Playwright CLI di 2127 secondi nell’attività sui post sui lanci di SpaceX spiega quasi tutta la differenza di tempo.

Chrome DevTools CLI è una buona scelta per Claude Opus 5?

Al di fuori delle attività su più siti, sì: con Chrome DevTools CLI, Opus 5 ha superato tutte le altre 16 attività, come con ego-browser. Chrome DevTools CLI è arrivato secondo per tempo e costo medi, con 369.5 secondi e $1.845 per attività nelle 13 superate da tutti e cinque gli strumenti. Delle 11 attività su più siti ne ha superate 2 e ha esaurito tutti i 100 passaggi in 7.

Come si confronta Browser Use CLI con gli altri strumenti del browser per Claude Code?

Con Browser Use CLI, Opus 5 ha superato 17 tentativi su 27, contro un numero da 15 a 24 con gli altri quattro strumenti. Nelle 13 attività superate da tutti e cinque, Browser Use CLI è arrivato terzo per tempo e costo medi, con 407.7 secondi e $1.975 per attività. Ha fornito 3 risposte errate e ha esaurito tutti i 100 passaggi in 7 delle 11 attività su più siti.

Perché gli agenti del browser falliscono nelle lunghe attività su più siti?

Con il nostro limite di 100 passaggi, Claude Opus 5 ha soprattutto esaurito i passaggi disponibili: con quattro dei cinque strumenti del browser ha usato tutti i 100 passaggi in un numero da 7 a 9 delle 11 attività su più siti. Questi quattro erano Chrome DevTools CLI, Playwright CLI, Browser Use CLI e agent-browser. Con ego-browser è successo una volta; nelle stesse attività, i tentativi hanno richiesto in media 73.4 chiamate a strumenti con ego-browser, contro un intervallo da 91.5 a 97.0.

Quanto costa un’attività svolta da un agente del browser con Claude Opus 5?

Nelle 13 attività superate da tutti e cinque gli strumenti, un’attività nel browser con Claude Opus 5 è costata circa da $1.70 a $2.37, a seconda dello strumento del browser. La componente di costo più grande è costituita dai token riletti dalla cache a ogni turno, che aumentano con il numero di chiamate a strumenti.

Quanto tempo richiede un’attività svolta da un agente del browser con Claude Opus 5?

Nelle 13 attività superate da tutti e cinque gli strumenti, il tempo per attività variava dai 324.6 secondi con ego-browser ai 543.6 con agent-browser. Contando tutti i tentativi, le attività su più siti hanno richiesto in media da 919.1 a 1112.2 secondi con i cinque strumenti. Entrambe le misure includono l’attesa di Opus 5.

Quante chiamate a strumenti effettua Claude Opus 5 in un’attività nel browser?

Da 30.3 a 53.7 per attività nelle 13 superate da tutti e cinque gli strumenti, a seconda dello strumento del browser. ego-browser ne ha richieste meno e agent-browser di più. Nelle 11 attività su più siti, i tentativi hanno richiesto in media 73.4 chiamate con ego-browser e da 91.5 a 97.0 con gli altri quattro.

Come è variato il tasso di successo di Claude Opus 5 tra le configurazioni testate?

Nelle nostre esecuzioni abbiamo osservato differenze: a parità di modello e configurazione di Claude Code, Opus 5 ha superato dal 55.6% all’88.9% dei 27 tentativi, a seconda dello strumento del browser. La maggior parte della variazione proveniva dalle 11 attività su più siti. Nelle altre 16 attività, ogni strumento ne ha superate da 14 a 16.

Gli strumenti del browser si differenziano nelle attività sulle applicazioni web?

Non per il superamento delle attività: Opus 5 ha superato tutte le 4 attività nelle nostre applicazioni web di test con ciascuno dei cinque strumenti. Nessuno strumento è stato il più veloce in più di 2 delle 4 attività. Gli strumenti si sono differenziati per le chiamate richieste: 36.2 per attività con ego-browser e da 47.8 a 77.2 con gli altri.

Come abbiamo svolto il test

Abbiamo eseguito ego-browser il 3 novembre 2026 e gli altri quattro strumenti il 5 novembre 2026, uno dopo l’altro, tutti sullo stesso Mac mini con Apple silicon e macOS 26.5. Ogni esecuzione ha usato Claude Opus 5 (claude-opus-5) con intensità di ragionamento alta in Claude Code 2.1.316, con gli strumenti Bash, Read, Write, Edit e Skill. Modello, agente, intensità di ragionamento, attività, valutazione e limite di passaggi erano gli stessi per tutti gli strumenti; abbiamo cambiato lo strumento del browser, il suo file skill e il browser che controllava.

Strumenti del browser

Abbiamo confrontato cinque strumenti del browser controllati da Claude Code tramite comandi shell. ego-browser v2.2.0-beta.5 controllava ego(lite) 0.6.3.2: Opus 5 scriveva script JavaScript, ego-browser li eseguiva sulla pagina e il contenuto della pagina tornava sotto forma di ciò che lo script stampava. Chrome DevTools CLI 1.10.1, Playwright CLI 0.1.22 e agent-browser 0.39.1 controllavano Google Chrome 156 tramite comandi per azioni come aprire una pagina, acquisire un’istantanea dei suoi elementi o eseguire JavaScript. Opus 5 concatenava due o più di questi comandi nel 47.4%–56.7% delle chiamate shell che li usavano. Browser Use CLI 0.1.13 controllava Google Chrome 156 tramite script Python con funzioni di supporto per caricare pagine ed eseguire JavaScript.

Attività

Abbiamo usato 27 attività su siti reali e applicazioni web di test. Le 11 attività su più siti raccolgono gli stessi campi da 8 a 16 siti, per esempio la prima decisione sui tassi del 2026 di 12 banche centrali. Le altre 16 comprendono 9 ricerche su un numero da uno a tre siti indicati, 3 attività di ricerca che partono da una pagina e 4 attività all’interno di applicazioni web aziendali. Gli esempi includono il confronto degli incassi di sei film tra Box Office Mojo e Wikipedia, la lettura di punti su un grafico passandoci sopra con il puntatore e la prenotazione di un viaggio conforme a una politica di trasferta.

Le attività su più siti costituiscono un gruppo definito dal set di attività stesso: le loro descrizioni elencano almeno 8 elementi e indicano un sito distinto per ciascuno. Ogni attività appartiene a un solo gruppo.

Quando un tentativo è considerato riuscito

Ogni attività ha elementi soggetti a valutazione: 190 in totale nelle 27 attività. Un tentativo riesce solo se la risposta finale soddisfa correttamente ogni elemento valutato; un tentativo senza risposta finale fallisce.

Come abbiamo effettuato i conteggi

Un tentativo è una singola esecuzione di un’attività con uno strumento. Ogni strumento ha eseguito ciascuna attività una volta, per un totale di 27 tentativi per strumento; il tasso di successo conta i tentativi. Un passaggio è un turno del modello; ogni tentativo poteva usare fino a 100 passaggi, per un massimo di 60 minuti. Degli 8607 passaggi che hanno effettuato una chiamata a uno strumento, tutti tranne 5 ne hanno effettuata esattamente una.

Una chiamata a uno strumento è una singola chiamata a Bash, Read, Write, Edit o Skill di Claude Code: per esempio uno script del browser, una chiamata shell che può concatenare più comandi o la lettura di un file. Un tentativo risulta aver usato tutti i 100 passaggi se ha raggiunto il limite senza una risposta finale; ciascuno di questi tentativi aveva effettuato 99 o 100 chiamate a strumenti. I conteggi delle chiamate provengono dal registro di sessione di Claude Code di ciascun tentativo.

Il tempo è il tempo effettivamente trascorso per tentativo. Include l’attesa dell’API di Opus 5 e l’esecuzione dei comandi del browser, misurate separatamente nella tabella sulla velocità. Il costo è quello riportato da Claude Code per ogni tentativo ai prezzi di listino di Anthropic per Opus 5; i token della cache e quelli di output provengono dallo stesso registro. I token di output per chiamata, incluso il ragionamento, si ottengono dividendo i token di output per attività di ogni strumento per le sue chiamate a strumenti per attività.

Velocità e costo sono confrontati sulle 13 attività superate da tutti e cinque gli strumenti. Poiché ogni attività è stata eseguita una volta per strumento, il tempo e il costo di un’attività sono quelli del suo singolo tentativo. Conteggi come «più veloce in 8 attività su 13» confrontano gli strumenti un’attività alla volta. Le chiamate shell sono considerate concatenate quando eseguono due o più comandi dello stesso strumento del browser.

Risultati completi

Ogni cella mostra un tentativo: il risultato, il tempo effettivamente trascorso in secondi e il costo. Ogni strumento ha eseguito ciascuna attività una volta. Il tempo include l’attesa dell’API di Opus 5. «Esauriti tutti i passaggi» significa che il tentativo ha raggiunto il limite di 100 passaggi senza una risposta finale.

Attività su più siti

Attivitàego-browserChrome DevTools CLIPlaywright CLIBrowser Use CLIagent-browser
Numero di tracce, durata, data di uscita e crediti dello stesso album su nove servizi musicaliSuperato, 415 s, $2.42Risposta errata, 781 s, $3.88Superato, 809 s, $4.58Superato, 633 s, $3.43Esauriti tutti i passaggi, 728 s, $4.58
Peso, batteria, risoluzione e specifiche di scatto a raffica di otto fotocamere dai siti dei produttoriSuperato, 1112 s, $5.75Esauriti tutti i passaggi, 990 s, $4.63Esauriti tutti i passaggi, 823 s, $4.40Esauriti tutti i passaggi, 936 s, $5.37Esauriti tutti i passaggi, 799 s, $4.91
Prima decisione sui tassi del 2026 di 12 banche centrali, dal sito di ciascuna bancaSuperato, 899 s, $5.95Esauriti tutti i passaggi, 780 s, $6.20Esauriti tutti i passaggi, 604 s, $5.22Esauriti tutti i passaggi, 539 s, $5.29Esauriti tutti i passaggi, 766 s, $4.31
Keynote di apertura di nove conferenze per sviluppatori, dai programmi e da YouTubeEsauriti tutti i passaggi, 1401 s, $7.37Esauriti tutti i passaggi, 1126 s, $5.80Esauriti tutti i passaggi, 945 s, $5.31Esauriti tutti i passaggi, 1100 s, $6.14Esauriti tutti i passaggi, 962 s, $5.58
Autonomia e specifiche di ricarica in corrente continua di nove SUV elettrici dai siti dei costruttori per gli Stati UnitiRisposta errata, 1020 s, $8.37Esauriti tutti i passaggi, 1015 s, $5.92Esauriti tutti i passaggi, 803 s, $5.31Esauriti tutti i passaggi, 1084 s, $6.83Esauriti tutti i passaggi, 1223 s, $6.02
Dimensioni, contesto, licenza e token di addestramento di nove modelli a pesi apertiRisposta errata, 749 s, $7.29Esauriti tutti i passaggi, 943 s, $5.84Esauriti tutti i passaggi, 741 s, $5.31Esauriti tutti i passaggi, 886 s, $7.02Esauriti tutti i passaggi, 1207 s, $6.46
Salario minimo legale in nove Paesi, dai siti dei ministeri del lavoroSuperato, 616 s, $4.39Esauriti tutti i passaggi, 1075 s, $6.20Superato, 687 s, $4.83Esauriti tutti i passaggi, 724 s, $5.81Esauriti tutti i passaggi, 1055 s, $5.02
Peso, batteria, display, grado IP e politica di aggiornamento di nove telefoni dai siti dei marchi per il Regno UnitoSuperato, 745 s, $6.02Esauriti tutti i passaggi, 908 s, $4.86Esauriti tutti i passaggi, 778 s, $4.53Esauriti tutti i passaggi, 898 s, $5.66Esauriti tutti i passaggi, 786 s, $5.27
Limiti dei piani gratuiti di nove piattaforme di funzioni serverlessSuperato, 515 s, $3.81Superato, 958 s, $6.45Superato, 565 s, $4.71Risposta errata, 580 s, $3.76Esauriti tutti i passaggi, 1251 s, $5.97
Post sulle release di sicurezza di otto progetti open source su X, confrontati con i rispettivi avvisiSuperato, 1058 s, $3.83Superato, 1047 s, $4.99Esauriti tutti i passaggi, 2128 s, $4.96Superato, 1805 s, $6.16Superato, 1908 s, $5.35
Post del 2026 sui prodotti di otto marchi su X, confrontati con i rispettivi comunicati stampaSuperato, 1580 s, $4.56Risposta errata, 849 s, $4.62Esauriti tutti i passaggi, 2024 s, $5.21Risposta errata, 1832 s, $5.39Risposta errata, 1548 s, $4.76

Altre attività

Attivitàego-browserChrome DevTools CLIPlaywright CLIBrowser Use CLIagent-browser
Determinare il prezzo di tre modelli MacBook nella configurazione da 32 GB / 1 TB usando la pagina di confronto di Apple, lo store statunitense e le pagine delle specificheSuperato, 367 s, $3.15Superato, 374 s, $2.74Superato, 481 s, $4.91Superato, 438 s, $3.06Superato, 568 s, $3.52
Confrontare gli incassi di sei film di Wes Anderson tra Box Office Mojo e WikipediaSuperato, 167 s, $0.81Superato, 290 s, $1.01Superato, 249 s, $0.89Superato, 265 s, $1.25Superato, 270 s, $0.96
Istantanea KYC preliminare di quattro società britanniche su Companies HouseSuperato, 359 s, $2.02Superato, 333 s, $1.42Superato, 319 s, $1.66Superato, 321 s, $1.42Superato, 356 s, $1.65
Associare gli studi clinici di fase 3 del 2021 sulla dermatite atopica su ClinicalTrials.gov alle schede dei relativi farmaci su DailyMedSuperato, 391 s, $1.98Superato, 338 s, $2.15Superato, 468 s, $2.72Superato, 541 s, $2.38Superato, 475 s, $2.74
Variazioni a dicembre di CPI, CPI di fondo e prezzo delle uova rispetto al dicembre dell’anno precedente, da FRED e verificate con BLSSuperato, 181 s, $1.09Superato, 346 s, $1.90Superato, 395 s, $1.35Superato, 294 s, $1.48Superato, 311 s, $1.59
Tariffe economy più basse per voli senza scalo a Denver da tre città su un sito di ricerca voliSuperato, 766 s, $3.50Superato, 1152 s, $3.83Risposta errata, 732 s, $4.03Superato, 1008 s, $3.89Esauriti tutti i passaggi, 1123 s, $5.25
Decisione sull’adozione di sei funzionalità della piattaforma web, da MDN e Can I useSuperato, 376 s, $1.74Superato, 461 s, $2.41Superato, 420 s, $1.82Superato, 381 s, $1.51Superato, 423 s, $2.11
Post di una settimana sui lanci di SpaceX su X, verificati con due elenchi dei lanci di WikipediaSuperato, 472 s, $1.06Superato, 558 s, $1.94Superato, 2127 s, $2.15Superato, 854 s, $1.58Superato, 511 s, $1.55
Appunti di studio sulla lezione di Karpathy su GPT, verificati tra YouTube, GitHub e arXivSuperato, 245 s, $1.55Superato, 426 s, $2.75Superato, 696 s, $2.93Superato, 466 s, $2.05Esauriti tutti i passaggi, 1344 s, $4.49
Otto punti a basso costo letti passando il puntatore sul grafico della classifica di ARC PrizeSuperato, 294 s, $1.60Superato, 360 s, $1.87Superato, 354 s, $1.92Risposta errata, 387 s, $2.65Superato, 679 s, $2.19
Contare i modelli che superano le soglie di calcolo dell’UE nel database dei modelli di Epoch AISuperato, 211 s, $1.25Superato, 210 s, $0.97Superato, 273 s, $1.57Superato, 150 s, $0.84Superato, 882 s, $1.95
Risalire da dieci celle di una tabella di Wikipedia sugli LLM alle fonti citateSuperato, 444 s, $2.11Superato, 474 s, $2.19Superato, 427 s, $2.22Superato, 335 s, $1.91Superato, 349 s, $1.73
Prenotare voli, un posto sul corridoio e un hotel vicino nel rispetto della politica in un’app di viaggi e speseSuperato, 281 s, $1.91Superato, 221 s, $2.14Superato, 452 s, $2.97Superato, 403 s, $3.01Superato, 409 s, $1.98
Adeguare i monitor dei servizi tier-1 a uno standard scritto in una console cloudSuperato, 230 s, $1.39Superato, 202 s, $1.39Superato, 252 s, $1.69Superato, 264 s, $1.60Superato, 543 s, $3.20
Controllare le fatture di febbraio rispetto ai pagamenti e aprire contestazioni in un’app operativaSuperato, 539 s, $2.53Superato, 547 s, $2.36Superato, 373 s, $1.73Superato, 681 s, $3.74Superato, 1008 s, $4.00
Creare ordini di acquisto per fornitore tramite importazione CSV in un’app operativaSuperato, 203 s, $1.08Superato, 450 s, $1.37Superato, 210 s, $1.01Superato, 376 s, $1.87Superato, 962 s, $3.81