DeepSeek V4.1 Flash nell’uso del browser: confronto con GPT-6.1 Sol su 72 attività web

22 min di lettura
Due forme di agrumi arancioni e foglie verdi su uno sfondo azzurro per il confronto tra DeepSeek V4.1 Flash e GPT-6.1 Sol

GPT-6.1 Sol è il modello che sceglieremmo per un agente che lavora su molti siti, mentre sceglieremmo DeepSeek V4.1 Flash per i flussi di lavoro all’interno di una singola applicazione web. Ogni modello ha eseguito ciascuna delle nostre 72 attività due volte in ego-browser, per un totale di 144 tentativi a modello. GPT-6.1 Sol ha superato 121 tentativi su 144 (84.0%) e DeepSeek V4.1 Flash ne ha superati 82 (56.9%). Sulle 29 attività che entrambi i modelli hanno superato a ogni tentativo, GPT-6.1 Sol ha impiegato 219.7 secondi, con un costo di $0.310 per attività, mentre DeepSeek V4.1 Flash ha impiegato 321.7 secondi, con un costo di $0.047.

Leggendo le esecuzioni, abbiamo visto i due modelli lavorare in modi diversi. GPT-6.1 Sol gestisce spesso più siti con un solo comando, mentre DeepSeek V4.1 Flash lavora su una pagina alla volta e continua a cercare. Nelle attività che richiedono di raccogliere gli stessi campi da 8 o più siti, DeepSeek V4.1 Flash ha esaurito tutti i suoi 100 passaggi in 23 tentativi. Nelle nostre applicazioni di test, dove il lavoro si svolge all’interno di una singola applicazione web, ha quasi eguagliato il tasso di successo e la velocità di GPT-6.1 Sol, a circa un sesto del costo.

Entrambi i modelli hanno anche un punto debole di cui terremmo conto nella pianificazione. GPT-6.1 Sol a volte interrompe la ricerca troppo presto: in 3 attività ha fallito entrambi i tentativi, mentre DeepSeek V4.1 Flash, che ha continuato a cercare, li ha superati entrambi. DeepSeek V4.1 Flash ha dato più risposte sbagliate pur dando meno risposte: 34 dei suoi 144 tentativi si sono conclusi con una risposta errata, contro 23 per GPT-6.1 Sol.

Tasso di successo, velocità e costi

GPT-6.1 Sol è in vantaggio per tasso di successo e velocità, mentre DeepSeek V4.1 Flash ha un costo pari a circa il 15% di quello dell’altro modello. Confrontiamo tempi e costi sulle 29 attività che entrambi i modelli hanno superato a ogni tentativo, quindi i valori di nessuno dei due includono il lavoro non riuscito. Le righe relative a tutte le 72 attività includono i tentativi falliti.

MisuraGPT-6.1 SolDeepSeek V4.1 Flash
Tasso di successo, tutte le 72 attività84.0% (121 tentativi su 144)56.9% (82 tentativi su 144)
Tempo per attività, 29 attività superate ogni volta da entrambi219.7 s321.7 s
Tempo per attività, tutte le 72 attività321.6 s511.4 s
Costo per attività, 29 attività superate ogni volta da entrambi$0.310$0.047
Costo per attività, tutte le 72 attività$0.483$0.071
Costo per tentativo riuscito, tutte le 72 attività$0.575$0.124
Chiamate agli strumenti per attività, tutte le 72 attività34.661.6

Esecuzioni del 7 novembre 2026, con entrambi i modelli in ego-browser. Ogni modello ha eseguito ciascuna attività due volte. Il tempo include l’attesa delle risposte dell’API di ciascun modello.

DeepSeek V4.1 Flash costa meno perché ha prezzi più bassi, non perché svolge meno lavoro. Ha effettuato 61.6 chiamate agli strumenti per attività, contro 34.6 di GPT-6.1 Sol. Anche considerando il costo per tentativo riuscito, DeepSeek V4.1 Flash è costato $0.124 e GPT-6.1 Sol $0.575.

La maggior parte del divario nel tasso di successo riguarda un tipo di lavoro. Nelle attività che raccolgono gli stessi campi da 8 o più siti, GPT-6.1 Sol ha superato 51 tentativi su 64 e DeepSeek V4.1 Flash ne ha superati 21. Nei flussi di lavoro delle applicazioni web, i due modelli hanno superato rispettivamente 29 e 28 tentativi su 30.

Tipo di lavoroAttivitàGPT-6.1 SolDeepSeek V4.1 Flash
Flussi di lavoro nelle applicazioni web1596.7% (29/30)93.3% (28/30)
Ricerca e confronto su pochi siti893.8% (15/16)81.3% (13/16)
Ricerca e sintesi1266.7% (16/24)62.5% (15/24)
Verifica dei post su X rispetto ad altre fonti5100% (10/10)50.0% (5/10)
Raccolta degli stessi campi da 8 o più siti3279.7% (51/64)32.8% (21/64)
Tutte le attività7284.0% (121/144)56.9% (82/144)

Il tasso di successo è la quota di tentativi superati, considerando due tentativi per attività.

Nei flussi di lavoro delle applicazioni web, i due modelli avevano tassi di successo quasi uguali: è quindi il costo a distinguerli. Nelle attività che coinvolgono molti siti, GPT-6.1 Sol ha avuto successo molto più spesso.

Come lavora GPT-6.1 Sol

GPT-6.1 Sol gestisce spesso più siti con un solo comando. Quando un’attività coinvolge molti siti, li tiene aperti in schede separate e fa avanzare il lavoro su più schede a ogni comando ego-browser. Entrambi i modelli avevano lo stesso file della skill ego-browser, che spiega come tenere aperte più schede quando l’attività lo richiede. Nelle attività che raccolgono gli stessi campi da 8 o più siti, il 56% dei comandi del browser di GPT-6.1 Sol ha lavorato su almeno due schede. DeepSeek V4.1 Flash lo ha fatto in meno dell’1% dei suoi comandi del browser.

L’attività sul terremoto mostra come funziona. Richiede l’ora, la magnitudo e la profondità di uno stesso terremoto del 2025 secondo 9 agenzie. Con un solo comando, GPT-6.1 Sol ha letto la pagina dell’evento dell’USGS, aperto i dati scientifici nella pagina dell’evento dell’EMSC, aperto la pagina dell’evento del GFZ e indirizzato una quarta scheda all’INGV. Ha superato entrambi i tentativi, con 40 chiamate agli strumenti in uno e 32 nell’altro. DeepSeek V4.1 Flash ha consultato le 9 agenzie una dopo l’altra in un’unica scheda, compilando a turno il modulo di ricerca di ciascuna, e ha usato tutti i 100 passaggi in entrambi i tentativi.

Nelle nostre esecuzioni, GPT-6.1 Sol ha richiesto meno chiamate agli strumenti e ha finito prima. Sulle 29 attività che entrambi i modelli hanno superato a ogni tentativo, ha effettuato 28.6 chiamate agli strumenti per attività, contro 43.0 di DeepSeek V4.1 Flash. Nelle 16 attività di quel gruppo che non riguardavano applicazioni web, GPT-6.1 Sol è stato più veloce in 14. Nei flussi di lavoro delle applicazioni web, ha lavorato su almeno due schede solo nel 3% dei suoi comandi del browser, e i due modelli hanno impiegato circa lo stesso tempo.

Il punto debole di GPT-6.1 Sol è che a volte smette di cercare troppo presto. In 3 attività ha fallito entrambi i tentativi, mentre DeepSeek V4.1 Flash li ha superati entrambi. Nell’attività LiveBench, entrambi i modelli hanno cercato nella classifica GPT-5.4 con livello di impegno High, trovando solo la riga xHigh. Dopo 12 chiamate agli strumenti, GPT-6.1 Sol ha risposto che la pagina non mostrava quel punteggio. DeepSeek V4.1 Flash ha continuato a cercare e lo ha trovato, 75.1, in un selettore di modelli più in basso nella stessa pagina, nella sezione Insights.

L’attività sui framework frontend è andata allo stesso modo. In un tentativo, GPT-6.1 Sol ha cercato «16.3.» nell’elenco delle versioni di Next.js e ha riportato il primo risultato, 16.3.2 del 21 agosto. DeepSeek V4.1 Flash ha sfogliato l’elenco delle versioni, composto soprattutto da build canary, e ha trovato la 16.3.8, pubblicata il 30 settembre. Quando GPT-6.1 Sol segnala che un valore non si trova su un sito o prende il primo risultato di una ricerca, verificheremmo quel valore di persona prima di usare la risposta.

Come lavora DeepSeek V4.1 Flash

DeepSeek V4.1 Flash lavora su una pagina alla volta e continua finché non trova ciò che cerca. Ha effettuato 61.6 chiamate agli strumenti per attività, contro 34.6 di GPT-6.1 Sol. È grazie a questa perseveranza che ha superato le attività LiveBench e sui framework frontend in cui GPT-6.1 Sol ha fallito.

All’interno di una singola applicazione web, lavorare su una pagina alla volta ha inciso poco. I nostri 15 flussi di lavoro si svolgono in applicazioni web di test che abbiamo popolato con dati nuovi, come un’applicazione per prenotare viaggi e una per le spese. DeepSeek V4.1 Flash ha superato 28 tentativi su 30 e GPT-6.1 Sol ne ha superati 29. Nei 13 flussi di lavoro che entrambi i modelli hanno superato a ogni tentativo, DeepSeek V4.1 Flash ha impiegato 173.0 secondi, con un costo di $0.028 per attività, mentre GPT-6.1 Sol ha impiegato 169.3 secondi, con un costo di $0.170.

La prenotazione di un viaggio conforme alla policy è un esempio tipico. L’attività chiede all’agente di prenotare voli di andata e ritorno nel rispetto della policy aziendale, scegliere posti sul corridoio e prenotare un hotel entro un miglio dalla sede dell’evento. Entrambi i modelli hanno superato entrambi i tentativi. DeepSeek V4.1 Flash ha impiegato 189.2 secondi, con un costo di $0.033 per attività, mentre GPT-6.1 Sol ha impiegato 199.4 secondi, con un costo di $0.253.

Su 8 o più siti, questo stesso modo di lavorare esaurisce i passaggi. Su quelle 32 attività, DeepSeek V4.1 Flash ha superato 21 tentativi su 64 e GPT-6.1 Sol ne ha superati 51. DeepSeek ha effettuato 82.2 chiamate agli strumenti per attività, il doppio delle 41.1 di GPT-6.1 Sol. Dei 26 tentativi di DeepSeek in cui ha usato tutti i 100 passaggi, 23 riguardavano queste attività.

Quando DeepSeek V4.1 Flash dà una risposta, confronteremmo le sue conclusioni con i suoi stessi dati e con le pagine lette. Ha fallito 62 tentativi: 34 si sono conclusi con una risposta sbagliata e 28 senza risposta. Di quei 28, 26 hanno esaurito tutti i 100 passaggi e 1 si è concluso quando l’API di DeepSeek ha restituito errori del server. Tutti i 23 tentativi falliti di GPT-6.1 Sol si sono conclusi con una risposta sbagliata. In un tentativo dell’attività sugli smartphone di punta, la tabella dello stesso DeepSeek V4.1 Flash riportava per il Galaxy S26 un peso di 167 g. La riga sotto la tabella indicava poi come telefono più leggero il motorola signature, da 186 g.

Quale modello usare

In ego-browser, usa GPT-6.1 Sol per un agente che lavora su molti siti. Ha superato l’84.0% dei tentativi e non ha mai esaurito i passaggi. Nelle attività che raccolgono gli stessi campi da 8 o più siti, ha superato 51 tentativi su 64 e ha completato prima il lavoro su più siti.

Usa DeepSeek V4.1 Flash per i flussi di lavoro all’interno di una singola applicazione web. Nelle nostre applicazioni di test ha superato 28 tentativi su 30, ha impiegato circa lo stesso tempo di GPT-6.1 Sol ed è costato circa un sesto di quanto è costato l’altro modello. Non ci faremmo affidamento per lavori su 8 o più siti, dove ha superato 21 tentativi su 64.

Per le ricerche su pochi siti e le attività di ricerca, devi scegliere tra tempo e denaro. DeepSeek V4.1 Flash ha superato 13 tentativi su 16 nelle consultazioni e 15 su 24 nelle attività di ricerca, mentre GPT-6.1 Sol ne ha superati 15 su 16 e 16 su 24. In entrambi i casi, DeepSeek V4.1 Flash è costato meno e ha impiegato più tempo.

Consultazione dell’IPC del BLS in ego(lite), con l’intervallo 2023–2025 e le medie annuali attivate
Consultazione dell’IPC del BLS in ego(lite), con le medie annuali attivate. Dimostrazione dell’interfaccia fornita per questa revisione, distinta dalle esecuzioni del benchmark del 7 novembre. Visualizza l’immagine a grandezza originale

Qualunque modello tu scelga, verifica i valori chiave della sua risposta. Entrambi i modelli a volte hanno dato risposte apparentemente complete che contenevano un valore sbagliato. Abbiamo eseguito entrambi con uno sforzo di ragionamento elevato in ego-browser, che viene fornito insieme a ego(lite) e lo controlla come browser dell’agente.

Domande frequenti

DeepSeek V4.1 Flash è bravo quanto GPT-6.1 Sol nell’uso del browser?

All’interno di una singola applicazione web, quasi; su molti siti, no. Nei flussi di lavoro delle applicazioni web, DeepSeek V4.1 Flash ha superato 28 tentativi su 30 e GPT-6.1 Sol ne ha superati 29. Nelle attività che raccolgono gli stessi campi da 8 o più siti, DeepSeek V4.1 Flash ha superato 21 tentativi su 64 e GPT-6.1 Sol ne ha superati 51. Su tutte le 72 attività, hanno superato rispettivamente il 56.9% e l’84.0% dei tentativi.

Perché GPT-6.1 Sol è più veloce di DeepSeek V4.1 Flash nel browser?

Nelle nostre esecuzioni, GPT-6.1 Sol ha richiesto meno chiamate agli strumenti, in parte perché spesso gestisce più siti con un solo comando. Nelle attività che raccolgono gli stessi campi da 8 o più siti, il 56% dei suoi comandi del browser ha lavorato su almeno due schede, contro meno dell’1% per DeepSeek V4.1 Flash. Sulle 29 attività che entrambi i modelli hanno superato a ogni tentativo, GPT-6.1 Sol ha effettuato 28.6 chiamate agli strumenti e impiegato 219.7 secondi per attività, mentre DeepSeek V4.1 Flash ha effettuato 43.0 chiamate e impiegato 321.7 secondi. Nei flussi di lavoro delle applicazioni web, hanno impiegato circa lo stesso tempo.

Quanto è più economico DeepSeek V4.1 Flash rispetto a GPT-6.1 Sol nelle attività del browser?

DeepSeek V4.1 Flash costa circa il 15% di quanto costa GPT-6.1 Sol. Sulle 29 attività che entrambi i modelli hanno superato a ogni tentativo, DeepSeek V4.1 Flash è costato $0.047 per attività e GPT-6.1 Sol $0.310. Su tutte le 72 attività, DeepSeek V4.1 Flash è costato $0.071 per attività e GPT-6.1 Sol $0.483. Per tentativo riuscito, DeepSeek V4.1 Flash è costato $0.124 e GPT-6.1 Sol $0.575.

Perché DeepSeek V4.1 Flash fallisce nelle attività che coinvolgono molti siti?

Circa metà dei suoi fallimenti in quel gruppo deriva dall’esaurimento dei passaggi. Nelle attività che raccolgono gli stessi campi da 8 o più siti, lavora su una pagina alla volta e ha effettuato 82.2 chiamate agli strumenti per attività, contro 41.1 di GPT-6.1 Sol. Dei suoi 43 tentativi falliti su queste attività, 23 si sono conclusi senza risposta dopo tutti i 100 passaggi.

Perché GPT-6.1 Sol sbaglia alcune attività del browser?

Su LiveBench e nell’attività sui framework frontend, ha interrotto la ricerca troppo presto. Nell’attività LiveBench, dopo 12 chiamate agli strumenti GPT-6.1 Sol ha risposto che la pagina non mostrava un punteggio, mentre DeepSeek V4.1 Flash lo ha trovato più in basso nella stessa pagina, nella sezione Insights. DeepSeek V4.1 Flash ha superato entrambi i tentativi in 3 attività che GPT-6.1 Sol ha fallito due volte.

DeepSeek V4.1 Flash commette più errori di GPT-6.1 Sol?

Sì. 34 dei 144 tentativi di DeepSeek V4.1 Flash si sono conclusi con una risposta sbagliata, contro 23 per GPT-6.1 Sol. DeepSeek V4.1 Flash ha anche dato meno risposte, perché 28 tentativi si sono conclusi senza. In un tentativo dell’attività sugli smartphone di punta, la sua stessa tabella riportava per il Galaxy S26 un peso di 167 g, ma la sintesi indicava come più leggero un telefono da 186 g.

DeepSeek V4.1 Flash può compilare moduli ed eseguire flussi di lavoro in un’applicazione web?

Sì. DeepSeek V4.1 Flash ha superato 28 tentativi su 30 nei 15 flussi di lavoro delle nostre applicazioni web di test e GPT-6.1 Sol ne ha superati 29 su 30. Le attività comprendevano la prenotazione di un viaggio, la registrazione di pagamenti lockbox e l’approvazione di note spese. Sulle 13 attività che entrambi i modelli hanno superato a ogni tentativo, DeepSeek V4.1 Flash è costato $0.028 per attività e GPT-6.1 Sol $0.170.

Quali attività del browser può svolgere DeepSeek V4.1 Flash a un costo inferiore a quello di GPT-6.1 Sol?

Soprattutto i flussi di lavoro all’interno di una singola applicazione web: 11 dei 15 flussi hanno soddisfatto tre condizioni. In quelle 11 attività, DeepSeek V4.1 Flash ha avuto successo con la stessa frequenza di GPT-6.1 Sol, ha impiegato al massimo il 10% di tempo in più ed è costato meno di un terzo di quanto è costato l’altro modello. Altre tre attività hanno soddisfatto le stesse condizioni: una sintesi sull’inflazione con dati FRED e BLS, appunti di studio da una lezione, codice e un articolo, e la verifica di una CVE di sudo in nove avvisi di sicurezza delle distribuzioni Linux.

Quante chiamate agli strumenti effettua DeepSeek V4.1 Flash rispetto a GPT-6.1 Sol?

Su tutte le 72 attività, DeepSeek V4.1 Flash ha effettuato 61.6 chiamate agli strumenti per attività, circa il 78% in più delle 34.6 di GPT-6.1 Sol. Nelle attività che raccolgono gli stessi campi da 8 o più siti, DeepSeek V4.1 Flash ne ha effettuate 82.2 per attività, il doppio delle 41.1 di GPT-6.1 Sol. Nei flussi di lavoro delle applicazioni web, DeepSeek V4.1 Flash ne ha effettuate 33.3 per attività e GPT-6.1 Sol 26.0.

Conviene usare DeepSeek V4.1 Flash per gli agenti browser?

Sì, per i flussi di lavoro all’interno di una singola applicazione web: DeepSeek V4.1 Flash ha superato 28 tentativi su 30 a circa un sesto del costo di GPT-6.1 Sol. Per un agente che lavora su molti siti, GPT-6.1 Sol è la scelta migliore, perché ha superato l’84.0% dei tentativi, contro il 56.9% di DeepSeek V4.1 Flash.

Come abbiamo svolto i test

Abbiamo eseguito entrambi i modelli il 7 novembre 2026 su macOS, in ego-browser con ego(lite) 0.6.3.2. Entrambi hanno utilizzato l’ambiente di esecuzione per agenti pi con il file della skill ego-browser. Li abbiamo chiamati tramite gli ID modello deepseek-flash e gpt-6.1-sol con uno sforzo di ragionamento elevato. Entrambi avevano lo stesso limite di 100 passaggi per tentativo. Un passaggio è un turno del modello e in quasi tutti i passaggi il modello ha effettuato una chiamata a uno strumento. Ogni modello ha eseguito ciascuna delle 72 attività due volte, per un totale di 144 tentativi a modello.

Panoramica di Spaces in ego(lite) con una consultazione dell’IPC del BLS in corso accanto a un altro Space
La panoramica di Spaces in ego(lite) durante la dimostrazione della consultazione BLS. Dimostrazione dell’interfaccia fornita per questa revisione, distinta dalle esecuzioni del benchmark del 7 novembre. Visualizza l’immagine a grandezza originale

Le attività sono 72 compiti complessi di automazione web. Alcuni vengono eseguiti su siti web reali, altri in applicazioni di test che abbiamo popolato con dati nuovi. Abbiamo raggruppato le attività in base al tipo di lavoro richiesto:

Tipo di lavoroAttivitàAttività di esempio
Flussi di lavoro nelle applicazioni web15Prenotare un viaggio conforme alla policy
Ricerca e confronto su pochi siti8Sintesi sull’inflazione a partire dai dati FRED, verificata con BLS
Ricerca e sintesi12Risalire alle fonti di una tabella Wikipedia
Verifica dei post su X rispetto ad altre fonti5Post sui lanci di SpaceX su X confrontati con Wikipedia
Raccolta degli stessi campi da 8 o più siti32Decisioni sui tassi di 12 banche centrali

Ogni attività appartiene a un solo gruppo. Le 5 attività che verificano post su X costituiscono un gruppo a sé, anche quando coprono 8 account.

Ogni attività viene valutata su 3–10 verifiche. Un tentativo riesce solo se supera tutte le verifiche.

Per capire come lavora ciascun modello, abbiamo letto i log delle sessioni dei tentativi di entrambi. Consideriamo un comando del browser come operante su almeno due schede quando lo script che il modello ha passato a ego-browser con quel comando ha letto dati da almeno due schede o vi ha eseguito azioni.

Il tasso di successo è la quota di tentativi superati. Ogni valore per attività in questo articolo, inclusi tempo, costo e chiamate agli strumenti, è la media dei due tentativi dell’attività. Il tempo va dall’inizio di un tentativo alla risposta finale oppure, in assenza di risposta, all’ultimo passaggio, e include l’attesa delle risposte dell’API di ciascun modello. Il costo è quello dei token di ogni tentativo ai prezzi del fornitore. Il costo per tentativo riuscito si ottiene dividendo il costo di tutti i 144 tentativi per il numero di quelli riusciti. Quando confrontiamo tempi e costi, usiamo le 29 attività che entrambi i modelli hanno superato a ogni tentativo, salvo diversa indicazione nella frase.

Nella colonna Risultato qui sotto, «Stessi successi, costo minore» significa che DeepSeek V4.1 Flash ha avuto successo con la stessa frequenza di GPT-6.1 Sol, ha impiegato al massimo il 10% di tempo in più ed è costato meno di un terzo di quanto è costato l’altro modello. «Stessi successi, più lento» significa che i due modelli hanno avuto successo con la stessa frequenza, ma l’attività non ha soddisfatto quelle condizioni di tempo e costo.

Risultati completi

Ogni cella mostra il numero di tentativi superati su 2, poi il tempo e il costo per attività. Tempo e costo sono medie sui due tentativi dell’attività, e il tempo include l’attesa delle risposte dell’API di ciascun modello.

AttivitàTipo di lavoroRisultatoGPT-6.1 SolDeepSeek V4.1 Flash
Aggiungere addebiti su carta non abbinati a una nota speseFlussi di lavoro nelle applicazioni webStessi successi, costo minore2/2, 169.6 s, $0.1932/2, 157.1 s, $0.026
Registrare pagamenti lockboxFlussi di lavoro nelle applicazioni webStessi successi, costo minore2/2, 185.2 s, $0.1412/2, 184.3 s, $0.025
Approvare una nota spese di viaggioFlussi di lavoro nelle applicazioni webStessi successi, costo minore2/2, 156.3 s, $0.1202/2, 144.6 s, $0.020
Prenotare un viaggio conforme alla policyFlussi di lavoro nelle applicazioni webStessi successi, costo minore2/2, 199.4 s, $0.2532/2, 189.2 s, $0.033
Allineare i monitor dei servizi a uno standardFlussi di lavoro nelle applicazioni webStessi successi, costo minore2/2, 133.9 s, $0.1312/2, 119.3 s, $0.024
Verifica della puntualità del vettore e regole di allertaFlussi di lavoro nelle applicazioni webStessi successi, costo minore2/2, 198.1 s, $0.1402/2, 213.7 s, $0.042
Richiedere le indennità giornaliere per i pastiFlussi di lavoro nelle applicazioni webStessi successi, costo minore2/2, 123.4 s, $0.1092/2, 93.2 s, $0.018
Richiedere il rimborso del chilometraggio giornalieroFlussi di lavoro nelle applicazioni webStessi successi, più lento2/2, 246.6 s, $0.2282/2, 282.4 s, $0.036
Coprire i turni di reperibilità tenendo conto delle assenzeFlussi di lavoro nelle applicazioni webStessi successi, costo minore2/2, 85.6 s, $0.1082/2, 69.0 s, $0.013
Creare ordini d’acquisto dai punti di riordinoFlussi di lavoro nelle applicazioni webStessi successi, più lento2/2, 116.7 s, $0.1232/2, 146.9 s, $0.019
Presentare resi per ordini danneggiatiFlussi di lavoro nelle applicazioni webStessi successi, più lento2/2, 238.5 s, $0.2932/2, 297.5 s, $0.045
Bloccare o sbloccare i deploy in base agli error budgetFlussi di lavoro nelle applicazioni webStessi successi, costo minore1/2, 90.1 s, $0.0861/2, 74.1 s, $0.013
Abbinare fatture e pagamenti, aprire contestazioniFlussi di lavoro nelle applicazioni webStessi successi, costo minore2/2, 212.0 s, $0.2142/2, 224.6 s, $0.042
Annullare i rilasci effettuati durante un bloccoFlussi di lavoro nelle applicazioni webGPT-6.1 Sol ha superato più tentativi2/2, 115.4 s, $0.1111/2, 241.3 s, $0.040
Scrivere e inviare un’analisi post mortem di un incidenteFlussi di lavoro nelle applicazioni webStessi successi, costo minore2/2, 135.5 s, $0.1582/2, 126.7 s, $0.026
Le tariffe più basse per voli senza scalo su un sito di ricerca voliRicerca e confronto su pochi sitiStessi successi, più lento1/2, 380.6 s, $0.4921/2, 1058.9 s, $0.096
Confrontare tre portatili MacRicerca e confronto su pochi sitiStessi successi, più lento2/2, 278.5 s, $0.5292/2, 320.4 s, $0.065
Sintesi sull’inflazione a partire dai dati FRED, verificata con BLSRicerca e confronto su pochi sitiStessi successi, costo minore2/2, 117.8 s, $0.1582/2, 93.6 s, $0.019
Istantanea KYC di quattro aziende britannicheRicerca e confronto su pochi sitiGPT-6.1 Sol ha superato più tentativi2/2, 181.1 s, $0.2691/2, 170.1 s, $0.034
Abbinare studi clinici e schede dei farmaciRicerca e confronto su pochi sitiGPT-6.1 Sol ha superato più tentativi2/2, 338.8 s, $0.4871/2, 293.6 s, $0.052
Riconciliare gli incassi di sei filmRicerca e confronto su pochi sitiStessi successi, più lento2/2, 189.2 s, $0.2092/2, 210.5 s, $0.028
Appunti di studio da una lezione, codice e un articoloRicerca e confronto su pochi sitiStessi successi, costo minore2/2, 215.6 s, $0.4222/2, 232.5 s, $0.041
Funzionalità web su MDN e Can I useRicerca e confronto su pochi sitiStessi successi, più lento2/2, 161.8 s, $0.1972/2, 430.5 s, $0.049
Prezzi API dalle catture di WaybackRicerca e sintesiDeepSeek V4.1 Flash ha superato più tentativi0/2, 410.4 s, $0.3002/2, 1111.2 s, $0.065
Grafico della classifica ARC PrizeRicerca e sintesiStessi successi, più lento2/2, 197.0 s, $0.2472/2, 341.1 s, $0.081
Verificare 10 affermazioni in un riepilogo settimanale sull’IARicerca e sintesiGPT-6.1 Sol ha superato più tentativi2/2, 184.3 s, $0.3310/2, 307.3 s, $0.059
Confrontare cinque API di modelli cinesi per una fattura mensileRicerca e sintesiStessi successi, più lento2/2, 205.8 s, $0.3442/2, 278.6 s, $0.055
Verifica degli obblighi informativi di 8 modelli di frontiera ai sensi dell’EU AI ActRicerca e sintesiNessuno dei due è riuscito0/2, 555.1 s, $1.0070/2, 530.4 s, $0.126
Elencare i lanci di modelli API di settembre da sei changelogRicerca e sintesiGPT-6.1 Sol ha superato più tentativi2/2, 148.2 s, $0.2601/2, 378.5 s, $0.078
Modelli che superano le soglie UE relative al volume di calcoloRicerca e sintesiGPT-6.1 Sol ha superato più tentativi2/2, 94.0 s, $0.0951/2, 170.2 s, $0.034
Scegliere endpoint OpenRouter per GLM 5.3Ricerca e sintesiStessi successi, più lento2/2, 222.2 s, $0.3052/2, 363.4 s, $0.067
Scegliere un modello per richieste di indennizzo assicurativo tedesche in base a sei requisitiRicerca e sintesiDeepSeek V4.1 Flash ha superato più tentativi1/2, 155.3 s, $0.2612/2, 285.0 s, $0.057
Calcolare il costo di un carico di ticket di assistenza su 6 pagine dei prezziRicerca e sintesiStessi successi, più lento1/2, 334.8 s, $0.5591/2, 399.2 s, $0.101
Leggere una release di LiveBenchRicerca e sintesiDeepSeek V4.1 Flash ha superato più tentativi0/2, 67.8 s, $0.1292/2, 215.3 s, $0.050
Risalire alle fonti di una tabella WikipediaRicerca e sintesiGPT-6.1 Sol ha superato più tentativi2/2, 286.6 s, $0.2220/2, 514.5 s, $0.060
8 ingaggi di club: X a confronto con i siti dei clubVerifica dei post su X rispetto ad altre fontiGPT-6.1 Sol ha superato più tentativi2/2, 1099.5 s, $1.4850/2, 2198.8 s, $0.080
8 lanci di prodotti: post su X a confronto con i comunicati stampaVerifica dei post su X rispetto ad altre fontiGPT-6.1 Sol ha superato più tentativi2/2, 583.1 s, $0.7250/2, 1451.6 s, $0.086
Post su X di 8 università sui NobelVerifica dei post su X rispetto ad altre fontiGPT-6.1 Sol ha superato più tentativi2/2, 790.7 s, $0.8351/2, 2557.1 s, $0.117
Rilasci di sicurezza di 8 progetti open source: X a confronto con gli avvisi di sicurezzaVerifica dei post su X rispetto ad altre fontiStessi successi, più lento2/2, 426.5 s, $0.7242/2, 1306.2 s, $0.117
Post sui lanci di SpaceX su X confrontati con WikipediaVerifica dei post su X rispetto ad altre fontiStessi successi, più lento2/2, 156.2 s, $0.1662/2, 841.3 s, $0.044
Dichiarazioni sul clima del 2025 di 11 agenzie meteorologicheRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi1/2, 616.5 s, $1.0760/2, 556.2 s, $0.120
Traffico del 2025 in 8 aeroportiRaccolta degli stessi campi da 8 o più sitiStessi successi, più lento1/2, 609.4 s, $1.0151/2, 750.7 s, $0.127
Campioni 2025-26 di 9 legheRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 577.7 s, $1.1930/2, 798.0 s, $0.110
8 fotocamere da 8 siti di marchiRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 381.1 s, $0.5111/2, 540.1 s, $0.083
8 sondaggi tra sviluppatoriRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 348.6 s, $0.5850/2, 537.0 s, $0.122
9 SUV elettriciRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 557.3 s, $1.1110/2, 620.2 s, $0.104
9 modelli a pesi apertiRaccolta degli stessi campi da 8 o più sitiStessi successi, più lento1/2, 448.1 s, $0.7031/2, 548.0 s, $0.110
Conformità di 9 fornitori SaaSRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi1/2, 434.7 s, $0.5980/2, 452.0 s, $0.081
Edizioni attuali di 9 standardRaccolta degli stessi campi da 8 o più sitiStessi successi, più lento2/2, 282.9 s, $0.6752/2, 386.3 s, $0.059
Smartphone di punta di 9 marchiRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 439.4 s, $0.6200/2, 509.0 s, $0.077
Piani gratuiti di 9 servizi CIRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 350.6 s, $0.5250/2, 617.3 s, $0.118
Piani gratuiti di 9 piattaforme serverlessRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 209.9 s, $0.3191/2, 390.7 s, $0.077
Keynote di 9 conferenze per sviluppatoriRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 429.1 s, $0.5860/2, 949.7 s, $0.114
Ultime elezioni in 9 territoriRaccolta degli stessi campi da 8 o più sitiNessuno dei due è riuscito0/2, 582.7 s, $1.1140/2, 625.3 s, $0.120
Ultima versione di 9 runtime di linguaggiRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 326.9 s, $0.6380/2, 464.1 s, $0.090
Ultima versione stabile di 9 browser desktopRaccolta degli stessi campi da 8 o più sitiStessi successi, più lento2/2, 263.2 s, $0.5102/2, 552.6 s, $0.104
Ultime versioni stabili di 9 framework frontendRaccolta degli stessi campi da 8 o più sitiDeepSeek V4.1 Flash ha superato più tentativi0/2, 252.0 s, $0.3752/2, 425.9 s, $0.069
Salario minimo in 9 giurisdizioniRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 520.4 s, $0.8340/2, 630.3 s, $0.088
Uno stesso album su 9 servizi musicaliRaccolta degli stessi campi da 8 o più sitiStessi successi, più lento2/2, 260.6 s, $0.6602/2, 485.6 s, $0.055
Edizioni di uno stesso libro in 10 fontiRaccolta degli stessi campi da 8 o più sitiDeepSeek V4.1 Flash ha superato più tentativi1/2, 315.6 s, $0.4772/2, 498.5 s, $0.061
Una stessa auto in 9 programmi di crash testRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi1/2, 345.1 s, $0.5240/2, 609.2 s, $0.104
Uno stesso farmaco presso 8 autorità regolatorieRaccolta degli stessi campi da 8 o più sitiNessuno dei due è riuscito0/2, 52.7 s, $0.0600/2, 614.5 s, $0.117
Uno stesso terremoto secondo 9 agenzieRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 321.3 s, $0.7500/2, 694.1 s, $0.109
Uno stesso gioco presso 8 enti di classificazioneRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 496.2 s, $0.6590/2, 666.1 s, $0.092
Una stessa stampa in 10 collezioni musealiRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 465.4 s, $0.7770/2, 693.7 s, $0.098
Una CVE di sudo in 9 avvisi di sicurezza delle distribuzioniRaccolta degli stessi campi da 8 o più sitiStessi successi, costo minore2/2, 389.0 s, $0.4872/2, 280.1 s, $0.045
Il numero uno di una settimana in 9 classifiche nazionaliRaccolta degli stessi campi da 8 o più sitiStessi successi, più lento2/2, 530.8 s, $0.7712/2, 631.1 s, $0.090
Prime stime del PIL del secondo trimestre di 9 agenzieRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 471.3 s, $0.9271/2, 616.9 s, $0.105
Decisioni sui tassi di 12 banche centraliRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 374.9 s, $0.6200/2, 496.5 s, $0.109
Date di supporto per 9 versioni di prodottiRaccolta degli stessi campi da 8 o più sitiStessi successi, più lento2/2, 273.8 s, $0.3902/2, 327.4 s, $0.065
Il runtime protobuf in 9 registri di pacchettiRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi1/2, 415.8 s, $0.5440/2, 566.7 s, $0.082
Premio principale di 9 festival cinematograficiRaccolta degli stessi campi da 8 o più sitiGPT-6.1 Sol ha superato più tentativi2/2, 628.3 s, $0.9690/2, 665.1 s, $0.093

Registro degli aggiornamenti: 9 novembre 2026; prima pubblicazione con le esecuzioni del 7 novembre 2026, due tentativi per attività per ciascun modello su 72 attività.

Continua a leggere