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

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.
| Misura | GPT-6.1 Sol | DeepSeek V4.1 Flash |
|---|---|---|
| Tasso di successo, tutte le 72 attività | 84.0% (121 tentativi su 144) | 56.9% (82 tentativi su 144) |
| Tempo per attività, 29 attività superate ogni volta da entrambi | 219.7 s | 321.7 s |
| Tempo per attività, tutte le 72 attività | 321.6 s | 511.4 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 attività | 34.6 | 61.6 |
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 lavoro | Attività | GPT-6.1 Sol | DeepSeek V4.1 Flash |
|---|---|---|---|
| Flussi di lavoro nelle applicazioni web | 15 | 96.7% (29/30) | 93.3% (28/30) |
| Ricerca e confronto su pochi siti | 8 | 93.8% (15/16) | 81.3% (13/16) |
| Ricerca e sintesi | 12 | 66.7% (16/24) | 62.5% (15/24) |
| Verifica dei post su X rispetto ad altre fonti | 5 | 100% (10/10) | 50.0% (5/10) |
| Raccolta degli stessi campi da 8 o più siti | 32 | 79.7% (51/64) | 32.8% (21/64) |
| Tutte le attività | 72 | 84.0% (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.

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.

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 lavoro | Attività | Attività di esempio |
|---|---|---|
| Flussi di lavoro nelle applicazioni web | 15 | Prenotare un viaggio conforme alla policy |
| Ricerca e confronto su pochi siti | 8 | Sintesi sull’inflazione a partire dai dati FRED, verificata con BLS |
| Ricerca e sintesi | 12 | Risalire alle fonti di una tabella Wikipedia |
| Verifica dei post su X rispetto ad altre fonti | 5 | Post sui lanci di SpaceX su X confrontati con Wikipedia |
| Raccolta degli stessi campi da 8 o più siti | 32 | Decisioni 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.
| Attività | Tipo di lavoro | Risultato | GPT-6.1 Sol | DeepSeek V4.1 Flash |
|---|---|---|---|---|
| Aggiungere addebiti su carta non abbinati a una nota spese | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 2/2, 169.6 s, $0.193 | 2/2, 157.1 s, $0.026 |
| Registrare pagamenti lockbox | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 2/2, 185.2 s, $0.141 | 2/2, 184.3 s, $0.025 |
| Approvare una nota spese di viaggio | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 2/2, 156.3 s, $0.120 | 2/2, 144.6 s, $0.020 |
| Prenotare un viaggio conforme alla policy | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 2/2, 199.4 s, $0.253 | 2/2, 189.2 s, $0.033 |
| Allineare i monitor dei servizi a uno standard | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 2/2, 133.9 s, $0.131 | 2/2, 119.3 s, $0.024 |
| Verifica della puntualità del vettore e regole di allerta | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 2/2, 198.1 s, $0.140 | 2/2, 213.7 s, $0.042 |
| Richiedere le indennità giornaliere per i pasti | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 2/2, 123.4 s, $0.109 | 2/2, 93.2 s, $0.018 |
| Richiedere il rimborso del chilometraggio giornaliero | Flussi di lavoro nelle applicazioni web | Stessi successi, più lento | 2/2, 246.6 s, $0.228 | 2/2, 282.4 s, $0.036 |
| Coprire i turni di reperibilità tenendo conto delle assenze | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 2/2, 85.6 s, $0.108 | 2/2, 69.0 s, $0.013 |
| Creare ordini d’acquisto dai punti di riordino | Flussi di lavoro nelle applicazioni web | Stessi successi, più lento | 2/2, 116.7 s, $0.123 | 2/2, 146.9 s, $0.019 |
| Presentare resi per ordini danneggiati | Flussi di lavoro nelle applicazioni web | Stessi successi, più lento | 2/2, 238.5 s, $0.293 | 2/2, 297.5 s, $0.045 |
| Bloccare o sbloccare i deploy in base agli error budget | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 1/2, 90.1 s, $0.086 | 1/2, 74.1 s, $0.013 |
| Abbinare fatture e pagamenti, aprire contestazioni | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 2/2, 212.0 s, $0.214 | 2/2, 224.6 s, $0.042 |
| Annullare i rilasci effettuati durante un blocco | Flussi di lavoro nelle applicazioni web | GPT-6.1 Sol ha superato più tentativi | 2/2, 115.4 s, $0.111 | 1/2, 241.3 s, $0.040 |
| Scrivere e inviare un’analisi post mortem di un incidente | Flussi di lavoro nelle applicazioni web | Stessi successi, costo minore | 2/2, 135.5 s, $0.158 | 2/2, 126.7 s, $0.026 |
| Le tariffe più basse per voli senza scalo su un sito di ricerca voli | Ricerca e confronto su pochi siti | Stessi successi, più lento | 1/2, 380.6 s, $0.492 | 1/2, 1058.9 s, $0.096 |
| Confrontare tre portatili Mac | Ricerca e confronto su pochi siti | Stessi successi, più lento | 2/2, 278.5 s, $0.529 | 2/2, 320.4 s, $0.065 |
| Sintesi sull’inflazione a partire dai dati FRED, verificata con BLS | Ricerca e confronto su pochi siti | Stessi successi, costo minore | 2/2, 117.8 s, $0.158 | 2/2, 93.6 s, $0.019 |
| Istantanea KYC di quattro aziende britanniche | Ricerca e confronto su pochi siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 181.1 s, $0.269 | 1/2, 170.1 s, $0.034 |
| Abbinare studi clinici e schede dei farmaci | Ricerca e confronto su pochi siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 338.8 s, $0.487 | 1/2, 293.6 s, $0.052 |
| Riconciliare gli incassi di sei film | Ricerca e confronto su pochi siti | Stessi successi, più lento | 2/2, 189.2 s, $0.209 | 2/2, 210.5 s, $0.028 |
| Appunti di studio da una lezione, codice e un articolo | Ricerca e confronto su pochi siti | Stessi successi, costo minore | 2/2, 215.6 s, $0.422 | 2/2, 232.5 s, $0.041 |
| Funzionalità web su MDN e Can I use | Ricerca e confronto su pochi siti | Stessi successi, più lento | 2/2, 161.8 s, $0.197 | 2/2, 430.5 s, $0.049 |
| Prezzi API dalle catture di Wayback | Ricerca e sintesi | DeepSeek V4.1 Flash ha superato più tentativi | 0/2, 410.4 s, $0.300 | 2/2, 1111.2 s, $0.065 |
| Grafico della classifica ARC Prize | Ricerca e sintesi | Stessi successi, più lento | 2/2, 197.0 s, $0.247 | 2/2, 341.1 s, $0.081 |
| Verificare 10 affermazioni in un riepilogo settimanale sull’IA | Ricerca e sintesi | GPT-6.1 Sol ha superato più tentativi | 2/2, 184.3 s, $0.331 | 0/2, 307.3 s, $0.059 |
| Confrontare cinque API di modelli cinesi per una fattura mensile | Ricerca e sintesi | Stessi successi, più lento | 2/2, 205.8 s, $0.344 | 2/2, 278.6 s, $0.055 |
| Verifica degli obblighi informativi di 8 modelli di frontiera ai sensi dell’EU AI Act | Ricerca e sintesi | Nessuno dei due è riuscito | 0/2, 555.1 s, $1.007 | 0/2, 530.4 s, $0.126 |
| Elencare i lanci di modelli API di settembre da sei changelog | Ricerca e sintesi | GPT-6.1 Sol ha superato più tentativi | 2/2, 148.2 s, $0.260 | 1/2, 378.5 s, $0.078 |
| Modelli che superano le soglie UE relative al volume di calcolo | Ricerca e sintesi | GPT-6.1 Sol ha superato più tentativi | 2/2, 94.0 s, $0.095 | 1/2, 170.2 s, $0.034 |
| Scegliere endpoint OpenRouter per GLM 5.3 | Ricerca e sintesi | Stessi successi, più lento | 2/2, 222.2 s, $0.305 | 2/2, 363.4 s, $0.067 |
| Scegliere un modello per richieste di indennizzo assicurativo tedesche in base a sei requisiti | Ricerca e sintesi | DeepSeek V4.1 Flash ha superato più tentativi | 1/2, 155.3 s, $0.261 | 2/2, 285.0 s, $0.057 |
| Calcolare il costo di un carico di ticket di assistenza su 6 pagine dei prezzi | Ricerca e sintesi | Stessi successi, più lento | 1/2, 334.8 s, $0.559 | 1/2, 399.2 s, $0.101 |
| Leggere una release di LiveBench | Ricerca e sintesi | DeepSeek V4.1 Flash ha superato più tentativi | 0/2, 67.8 s, $0.129 | 2/2, 215.3 s, $0.050 |
| Risalire alle fonti di una tabella Wikipedia | Ricerca e sintesi | GPT-6.1 Sol ha superato più tentativi | 2/2, 286.6 s, $0.222 | 0/2, 514.5 s, $0.060 |
| 8 ingaggi di club: X a confronto con i siti dei club | Verifica dei post su X rispetto ad altre fonti | GPT-6.1 Sol ha superato più tentativi | 2/2, 1099.5 s, $1.485 | 0/2, 2198.8 s, $0.080 |
| 8 lanci di prodotti: post su X a confronto con i comunicati stampa | Verifica dei post su X rispetto ad altre fonti | GPT-6.1 Sol ha superato più tentativi | 2/2, 583.1 s, $0.725 | 0/2, 1451.6 s, $0.086 |
| Post su X di 8 università sui Nobel | Verifica dei post su X rispetto ad altre fonti | GPT-6.1 Sol ha superato più tentativi | 2/2, 790.7 s, $0.835 | 1/2, 2557.1 s, $0.117 |
| Rilasci di sicurezza di 8 progetti open source: X a confronto con gli avvisi di sicurezza | Verifica dei post su X rispetto ad altre fonti | Stessi successi, più lento | 2/2, 426.5 s, $0.724 | 2/2, 1306.2 s, $0.117 |
| Post sui lanci di SpaceX su X confrontati con Wikipedia | Verifica dei post su X rispetto ad altre fonti | Stessi successi, più lento | 2/2, 156.2 s, $0.166 | 2/2, 841.3 s, $0.044 |
| Dichiarazioni sul clima del 2025 di 11 agenzie meteorologiche | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 1/2, 616.5 s, $1.076 | 0/2, 556.2 s, $0.120 |
| Traffico del 2025 in 8 aeroporti | Raccolta degli stessi campi da 8 o più siti | Stessi successi, più lento | 1/2, 609.4 s, $1.015 | 1/2, 750.7 s, $0.127 |
| Campioni 2025-26 di 9 leghe | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 577.7 s, $1.193 | 0/2, 798.0 s, $0.110 |
| 8 fotocamere da 8 siti di marchi | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 381.1 s, $0.511 | 1/2, 540.1 s, $0.083 |
| 8 sondaggi tra sviluppatori | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 348.6 s, $0.585 | 0/2, 537.0 s, $0.122 |
| 9 SUV elettrici | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 557.3 s, $1.111 | 0/2, 620.2 s, $0.104 |
| 9 modelli a pesi aperti | Raccolta degli stessi campi da 8 o più siti | Stessi successi, più lento | 1/2, 448.1 s, $0.703 | 1/2, 548.0 s, $0.110 |
| Conformità di 9 fornitori SaaS | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 1/2, 434.7 s, $0.598 | 0/2, 452.0 s, $0.081 |
| Edizioni attuali di 9 standard | Raccolta degli stessi campi da 8 o più siti | Stessi successi, più lento | 2/2, 282.9 s, $0.675 | 2/2, 386.3 s, $0.059 |
| Smartphone di punta di 9 marchi | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 439.4 s, $0.620 | 0/2, 509.0 s, $0.077 |
| Piani gratuiti di 9 servizi CI | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 350.6 s, $0.525 | 0/2, 617.3 s, $0.118 |
| Piani gratuiti di 9 piattaforme serverless | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 209.9 s, $0.319 | 1/2, 390.7 s, $0.077 |
| Keynote di 9 conferenze per sviluppatori | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 429.1 s, $0.586 | 0/2, 949.7 s, $0.114 |
| Ultime elezioni in 9 territori | Raccolta degli stessi campi da 8 o più siti | Nessuno dei due è riuscito | 0/2, 582.7 s, $1.114 | 0/2, 625.3 s, $0.120 |
| Ultima versione di 9 runtime di linguaggi | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 326.9 s, $0.638 | 0/2, 464.1 s, $0.090 |
| Ultima versione stabile di 9 browser desktop | Raccolta degli stessi campi da 8 o più siti | Stessi successi, più lento | 2/2, 263.2 s, $0.510 | 2/2, 552.6 s, $0.104 |
| Ultime versioni stabili di 9 framework frontend | Raccolta degli stessi campi da 8 o più siti | DeepSeek V4.1 Flash ha superato più tentativi | 0/2, 252.0 s, $0.375 | 2/2, 425.9 s, $0.069 |
| Salario minimo in 9 giurisdizioni | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 520.4 s, $0.834 | 0/2, 630.3 s, $0.088 |
| Uno stesso album su 9 servizi musicali | Raccolta degli stessi campi da 8 o più siti | Stessi successi, più lento | 2/2, 260.6 s, $0.660 | 2/2, 485.6 s, $0.055 |
| Edizioni di uno stesso libro in 10 fonti | Raccolta degli stessi campi da 8 o più siti | DeepSeek V4.1 Flash ha superato più tentativi | 1/2, 315.6 s, $0.477 | 2/2, 498.5 s, $0.061 |
| Una stessa auto in 9 programmi di crash test | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 1/2, 345.1 s, $0.524 | 0/2, 609.2 s, $0.104 |
| Uno stesso farmaco presso 8 autorità regolatorie | Raccolta degli stessi campi da 8 o più siti | Nessuno dei due è riuscito | 0/2, 52.7 s, $0.060 | 0/2, 614.5 s, $0.117 |
| Uno stesso terremoto secondo 9 agenzie | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 321.3 s, $0.750 | 0/2, 694.1 s, $0.109 |
| Uno stesso gioco presso 8 enti di classificazione | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 496.2 s, $0.659 | 0/2, 666.1 s, $0.092 |
| Una stessa stampa in 10 collezioni museali | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 465.4 s, $0.777 | 0/2, 693.7 s, $0.098 |
| Una CVE di sudo in 9 avvisi di sicurezza delle distribuzioni | Raccolta degli stessi campi da 8 o più siti | Stessi successi, costo minore | 2/2, 389.0 s, $0.487 | 2/2, 280.1 s, $0.045 |
| Il numero uno di una settimana in 9 classifiche nazionali | Raccolta degli stessi campi da 8 o più siti | Stessi successi, più lento | 2/2, 530.8 s, $0.771 | 2/2, 631.1 s, $0.090 |
| Prime stime del PIL del secondo trimestre di 9 agenzie | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 471.3 s, $0.927 | 1/2, 616.9 s, $0.105 |
| Decisioni sui tassi di 12 banche centrali | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 374.9 s, $0.620 | 0/2, 496.5 s, $0.109 |
| Date di supporto per 9 versioni di prodotti | Raccolta degli stessi campi da 8 o più siti | Stessi successi, più lento | 2/2, 273.8 s, $0.390 | 2/2, 327.4 s, $0.065 |
| Il runtime protobuf in 9 registri di pacchetti | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 1/2, 415.8 s, $0.544 | 0/2, 566.7 s, $0.082 |
| Premio principale di 9 festival cinematografici | Raccolta degli stessi campi da 8 o più siti | GPT-6.1 Sol ha superato più tentativi | 2/2, 628.3 s, $0.969 | 0/2, 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.


