Abbiamo confrontato l’uso del browser di GPT-6.1 Sol e GPT-6 Sol con tre strumenti per il browser

Per la configurazione dell’agente browser pi che abbiamo testato, sceglieremmo GPT-6.1 Sol al posto di GPT-6 Sol per completare più attività e ridurre il costo del modello, senza aspettarci un miglioramento costante della velocità. In questo test dell’uso del browser di GPT-6.1 Sol, ogni modello ha eseguito una volta ciascuna delle 25 attività web con Playwright CLI, agent-browser ed ego-browser, per un totale di 25 tentativi per modello e per strumento. GPT-6.1 Sol ha superato 19 tentativi su 25 con Playwright CLI, 20 su 25 con agent-browser e 24 su 25 con ego-browser. GPT-6 Sol ne ha superati rispettivamente 12, 14 e 18. Sulle attività superate da entrambi i modelli con ciascuno strumento, GPT-6.1 Sol ha impiegato in media 275.6, 327.1 e 195.0 secondi, con un costo di $0.287, $0.339 e $0.372 per attività. GPT-6 Sol ha impiegato in media 291.3, 324.0 e 220.2 secondi, con un costo di $0.640, $0.595 e $0.735.
La maggior parte dei successi aggiuntivi è arrivata dalla raccolta di dati su più siti: attività che raccolgono gli stessi campi da 9 a 16 siti. Sulle dieci attività di questo tipo in ciascuno strumento, GPT-6.1 Sol ha superato 20 tentativi su 30 e GPT-6 Sol ne ha superati 6. Nell’insieme dei tre strumenti, 19 tentativi sono passati da un fallimento di GPT-6 Sol a un successo di GPT-6.1 Sol, e nessuno è cambiato in senso opposto.
GPT-6.1 Sol ha effettuato meno chiamate agli strumenti sulle attività superate da entrambi i modelli. In ego-browser, il 43.7% dei suoi script del browser faceva riferimento ad almeno due schede o apriva una nuova scheda accanto a una già esistente; GPT-6 Sol lo ha fatto nello 0.4%. Questo descrive gli script osservati e non dimostra che l’uso delle schede abbia causato i successi aggiuntivi. GPT-6.1 Sol ha comunque fallito 12 tentativi su 75, e dieci fallimenti si sono conclusi con una risposta contenente un valore sbagliato o mancante.
Il vantaggio di costo rimane anche applicando le tariffe di GPT-6 Sol all’uso di token registrato per GPT-6.1 Sol. Sulle attività superate da entrambi, questo calcolo dà $0.402, $0.477 e $0.523 per attività con Playwright CLI, agent-browser ed ego-browser, meno del costo di GPT-6 Sol in ogni strumento. La velocità dà risultati misti: GPT-6.1 Sol ha una media più bassa in due strumenti e leggermente più alta con agent-browser, ed è più veloce in meno della metà delle attività condivise in due strumenti.
| Modello e strumento per il browser | Tasso di successo | Tempo medio per attività | Costo medio per attività |
|---|---|---|---|
| GPT-6.1 Sol con Playwright CLI | 76.0% (19/25) | 275.6 s | $0.287 |
| GPT-6 Sol con Playwright CLI | 48.0% (12/25) | 291.3 s | $0.640 |
| GPT-6.1 Sol con agent-browser | 80.0% (20/25) | 327.1 s | $0.339 |
| GPT-6 Sol con agent-browser | 56.0% (14/25) | 324.0 s | $0.595 |
| GPT-6.1 Sol con ego-browser | 96.0% (24/25) | 195.0 s | $0.372 |
| GPT-6 Sol con ego-browser | 72.0% (18/25) | 220.2 s | $0.735 |
Il tasso di successo copre tutti i 25 tentativi di ogni riga. Tempi e costi riguardano le attività superate da entrambi i modelli con quello strumento: 12 con Playwright CLI, 14 con agent-browser e 18 con ego-browser. Il tempo somma l’attesa del modello all’esecuzione degli strumenti ed esclude il tempo trascorso dal framework di test tra un passaggio e l’altro. Ogni coppia all’interno di uno strumento è un confronto distinto tra modelli: questi diversi gruppi di attività non stabiliscono quindi una classifica di tempi o costi tra gli strumenti.
Tasso di successo
GPT-6.1 Sol ha completato più lavoro tra quello testato in ogni strumento, con i maggiori miglioramenti nella raccolta su più siti. Playwright CLI ha guadagnato sette successi, agent-browser sei ed ego-browser sei. Nell’insieme dei tre strumenti, 44 tentativi sono stati superati da entrambi i modelli, 19 solo da GPT-6.1 Sol e 12 sono falliti per entrambi.
| Tipo di lavoro | Attività per strumento | Playwright CLI | agent-browser | ego-browser |
|---|---|---|---|---|
| Raccolta dati su più siti | 10 | 5 contro 2 | 6 contro 0 | 9 contro 4 |
| Consultazioni su uno, due o tre siti | 8 | 7 contro 4 | 7 contro 7 | 8 contro 8 |
| Ricerca esplorativa | 3 | 3 contro 2 | 3 contro 3 | 3 contro 2 |
| Flussi di lavoro nelle applicazioni web aziendali | 4 | 4 contro 4 | 4 contro 4 | 4 contro 4 |
Ogni cella indica prima i successi di GPT-6.1 Sol e poi quelli di GPT-6 Sol, con un tentativo per attività. Il cambio di modello incide di più sul completamento del lavoro su più siti. Nelle quattro attività delle applicazioni di test, entrambi i modelli hanno superato ogni tentativo in ogni strumento: il motivo per cambiare, in quel caso, è quindi il costo.
I 19 casi in cui GPT-6 Sol ha perso il confronto con GPT-6.1 Sol si dividono in sei tentativi che hanno esaurito il budget di passaggi senza risposta e 13 che hanno fornito una risposta con un valore sbagliato o mancante. Su tutti i 75 tentativi, GPT-6 Sol ha esaurito il budget nove volte e GPT-6.1 Sol due. Un passaggio è una risposta del modello e ogni tentativo aveva un budget di 100 passaggi.
L’attività sulla conformità SaaS mostra un fallimento dovuto a una risposta sbagliata. Richiede le certificazioni di nove fornitori al 30 settembre 2026, inclusa l’autorizzazione FedRAMP più alta disponibile per qualsiasi edizione del prodotto. In ego-browser, GPT-6 Sol ha esaminato i link della pagina sull’affidabilità di Asana e ha scritto «none» («nessuna») per Asana. GPT-6.1 Sol ha seguito il link Government, aperto Asana Gov e confermato la sua autorizzazione FedRAMP Moderate in un comunicato stampa.

GPT-6.1 Sol ha soddisfatto tutte le verifiche richieste in 38 passaggi. GPT-6 Sol si è fermato dopo 22 passaggi e il valore sbagliato per Asana ha modificato anche il suo conteggio dei fornitori autorizzati.
| Campo nella tabella finale | Valore corretto | Cosa ha scritto GPT-6 Sol |
|---|---|---|
| Asana, autorizzazione FedRAMP più alta | Moderate, tramite Asana Gov | none («nessuna») |
| Fornitori con FedRAMP Moderate o superiore | 6, inclusa Asana | 5, senza Asana |
Anche i fallimenti di GPT-6.1 Sol richiedono una verifica: dieci dei suoi 12 tentativi falliti si sono conclusi con una risposta con un valore sbagliato o mancante. Una tabella completa non basta per fidarsi di un risultato su cui si basa una decisione.
Come lavora ciascun modello
GPT-6.1 Sol ha usato meno chiamate agli strumenti per lo stesso lavoro completato con successo. Sulle attività condivise ha effettuato in media 32.6 chiamate per attività contro 42.3 di GPT-6 Sol con Playwright CLI, 34.1 contro 50.5 con agent-browser e 29.8 contro 40.1 con ego-browser. Una chiamata a uno strumento è una singola invocazione di uno strumento dell’agente, come bash o un lettore di file.
In ego-browser, 321 dei 735 script di GPT-6.1 Sol coinvolgevano più schede o ne creavano una nuova; lo facevano quattro dei 1 044 script di GPT-6 Sol. Con Playwright CLI e agent-browser, GPT-6.1 Sol ha eseguito comandi per le schede nel 15.8% e nel 9.3% delle chiamate bash, contro il 2.5% e il 2.2% di GPT-6 Sol. Le percentuali descrivono interfacce diverse: si tratta quindi di confronti tra modelli all’interno di ciascuno strumento.
L’attività sulle banche centrali mostra la differenza in un lavoro lungo. Richiede la prima decisione sui tassi del 2026 di dodici banche centrali, incluse la votazione e la data del prossimo annuncio. GPT-6 Sol ha esaminato una banca per script, è arrivato alla dodicesima banca al passaggio 90 e ha esaurito il budget senza scrivere la tabella. GPT-6.1 Sol ha usato due schede in 30 script del browser su 38, ha raggiunto quella banca al passaggio 35 e ha completato la tabella al passaggio 42.

È una testimonianza utile di come si sono svolti quei due tentativi, non un test separato della strategia di utilizzo delle schede. Il risultato complessivo di completamento sulle attività multisito è di 20 tentativi superati su 30 per GPT-6.1 Sol e 6 su 30 per GPT-6 Sol.
Velocità
La velocità non sarebbe il nostro motivo per cambiare modello. Sulle attività condivise riuscite, GPT-6.1 Sol ha impiegato in media 275.6 secondi contro 291.3 di GPT-6 Sol con Playwright CLI, 327.1 contro 324.0 con agent-browser e 195.0 contro 220.2 con ego-browser. Queste medie includono l’attesa del modello e l’esecuzione degli strumenti sulle stesse attività all’interno di ciascuno strumento.
Il numero di attività chiarisce meglio il compromesso. GPT-6.1 Sol è stato più veloce in cinque attività condivise su 12 con Playwright CLI, sette su 14 con agent-browser e sette su 18 con ego-browser. Una media più bassa in due strumenti non significa che la maggior parte dei singoli lavori sia terminata prima. Il completamento e il costo sono i motivi più solidi per sceglierlo in questa configurazione.
Costo
GPT-6.1 Sol è costato meno sul lavoro completato da entrambi i modelli in ogni strumento. È stato più economico in tutte le 12 attività condivise con Playwright CLI, in 13 su 14 con agent-browser e in 17 su 18 con ego-browser. La tabella separa la variazione nell’uso di token registrato dalla variazione del prezzo del modello.
| Strumento per il browser | GPT-6.1 Sol | Token di GPT-6.1 Sol alle tariffe di GPT-6 Sol | GPT-6 Sol |
|---|---|---|---|
| Playwright CLI | $0.287 | $0.402 | $0.640 |
| agent-browser | $0.339 | $0.477 | $0.595 |
| ego-browser | $0.372 | $0.523 | $0.735 |
Questi sono i costi medi del modello per attività sulle attività condivise riuscite di ciascuno strumento. Usiamo le tariffe API standard di OpenAI: $2.00 per milione di token di input non in cache e $10.00 per milione di token di output per entrambi i modelli. L’input in cache costa $0.10 per milione di token per GPT-6.1 Sol e $0.20 per GPT-6 Sol. Sono costi dei token equivalenti all’uso dell’API, non prezzi di un abbonamento a un agente.
Includendo i tentativi falliti, il costo medio del modello per attività è stato di $0.410 contro $0.752 con Playwright CLI, $0.586 contro $0.833 con agent-browser e $0.430 contro $0.842 con ego-browser. Su tutti i tentativi, alle tariffe proprie di ciascun modello, GPT-6.1 Sol è costato meno. Sulle attività condivise riuscite, è costato meno anche ricalcolando i suoi token alle tariffe di GPT-6 Sol.
Quale modello usare
Sceglieremmo GPT-6.1 Sol con uno sforzo di ragionamento elevato per la configurazione pi e il lavoro rappresentati qui. Ha superato più attività ed è costato meno in ogni strumento, e nessuno dei 75 confronti è passato da un successo di GPT-6 Sol a un fallimento di GPT-6.1 Sol. Da questi risultati non ci aspetteremmo un miglioramento costante della velocità.
Nella raccolta su più siti, il miglioramento è stato di 20 tentativi superati su 30 contro 6 su 30. GPT-6.1 Sol ne ha comunque falliti dieci, quindi verificheremmo le tabelle restituite prima di usarle. Nei quattro flussi di lavoro delle applicazioni di test, entrambi i modelli hanno superato ogni tentativo: la differenza utile è il costo del modello.
La configurazione testata usava l’ambiente di esecuzione per agenti pi, uno sforzo di ragionamento elevato, bash e il file della skill dello strumento per il browser. ego-browser controlla ego(lite), mentre Playwright CLI e agent-browser controllano Chrome. Il confronto tra modelli usa la stessa versione dello strumento e le stesse istruzioni all’interno di ogni coppia di quello strumento.
Il ruolo di ego(lite) in questo confronto
ego(lite) era il browser controllato da ego-browser, non il modello confrontato. La guida all’integrazione di ego-browser descrive questo collegamento; Playwright CLI e agent-browser controllavano invece Chrome nelle altre configurazioni.
Scegli tra i due modelli all’interno di uno strumento prima di confrontare gli strumenti. Le medie dei tempi e dei costi del modello di ogni strumento usano il proprio gruppo di attività condivise riuscite, quindi non classificano gli strumenti gli uni rispetto agli altri. Per un lavoro pi simile è utile il compromesso registrato tra completamento e costo del modello, mentre i risultati sulla velocità restano misti.
Domande frequenti
GPT-6.1 Sol è migliore di GPT-6 Sol per gli agenti browser?
Nella nostra configurazione pi, GPT-6.1 Sol ha superato più attività tra le 25 del test con tutti e tre gli strumenti. Ha superato 19, 20 e 24 tentativi con Playwright CLI, agent-browser ed ego-browser; GPT-6 Sol ne ha superati 12, 14 e 18. Nessuno di questi confronti è passato da un successo del vecchio modello a un fallimento del nuovo.
GPT-6.1 Sol è più economico di GPT-6 Sol?
Il costo medio del modello GPT-6.1 Sol è stato più basso in ogni strumento sulle attività superate da entrambi i modelli. I valori per attività erano $0.287 contro $0.640, $0.339 contro $0.595 e $0.372 contro $0.735. I suoi token registrati sarebbero comunque costati meno alle tariffe di GPT-6 Sol.
GPT-6.1 Sol è più veloce di GPT-6 Sol?
Considerando l’attesa del modello più il tempo di esecuzione degli strumenti, GPT-6.1 Sol ha avuto una media più bassa in due strumenti e leggermente più alta con agent-browser. È stato più veloce in cinque attività condivise su 12, sette su 14 e sette su 18 con Playwright CLI, agent-browser ed ego-browser. Lo sceglieremmo per completamento e costo, senza aspettarci una velocità costantemente maggiore.
Che cosa è cambiato nell’uso del browser di GPT-6.1 Sol?
GPT-6.1 Sol ha usato meno chiamate agli strumenti sulle attività condivise riuscite in ogni strumento. In ego-browser, il 43.7% dei suoi script coinvolgeva più schede o ne creava una nuova, contro lo 0.4% di GPT-6 Sol. GPT-6.1 Sol ha esaurito il budget di passaggi senza risposta due volte su 75 tentativi, contro nove per GPT-6 Sol.
GPT-6.1 Sol ha fallito attività che GPT-6 Sol aveva superato?
No, in questi confronti su 25 attività non è accaduto. Nell’insieme dei tre strumenti, 19 risultati sono passati da un fallimento di GPT-6 Sol a un successo di GPT-6.1 Sol, e nessuno è cambiato in senso opposto. 44 tentativi sono stati superati da entrambi i modelli e 12 sono falliti per entrambi.
Che cosa sbaglia ancora GPT-6.1 Sol nel browser?
GPT-6.1 Sol ha fallito 12 tentativi su 75 nell’insieme dei tre strumenti. Dieci si sono conclusi con una risposta contenente un valore sbagliato o mancante, e due hanno esaurito il budget di passaggi. Una tabella che sembra completa può comunque essere sbagliata.
Come se la cava GPT-6.1 Sol nella raccolta di dati su più siti?
GPT-6.1 Sol ha superato 20 tentativi su 30 in dieci attività che raccolgono gli stessi campi da 9 a 16 siti, contro 6 su 30 di GPT-6 Sol. Da questo gruppo proviene la maggior parte dei successi aggiuntivi. GPT-6.1 Sol vi ha comunque fallito dieci tentativi.
Lo strumento per il browser cambia quale modello completa più lavoro?
GPT-6.1 Sol ha superato più attività in tutti e tre gli strumenti testati. Il miglioramento è stato di sette successi con Playwright CLI e sei ciascuno con agent-browser ed ego-browser. Il compromesso sulla velocità variava in base allo strumento.
Vale la pena usare GPT-6.1 Sol all’interno di una singola applicazione web?
Entrambi i modelli hanno superato tutti e quattro i flussi di lavoro delle applicazioni di test in ogni strumento. Il cambio di modello non ha migliorato il completamento in queste applicazioni, ma ha ridotto il costo medio del modello. Questo supporta la scelta di GPT-6.1 Sol per il costo nella configurazione testata.
Come abbiamo svolto i test
Abbiamo eseguito gpt-6.1-sol e gpt-6-sol con uno sforzo di ragionamento elevato tramite l’ambiente di esecuzione per agenti pi, con bash e un file della skill per ogni strumento per il browser. Le esecuzioni con ego-browser sono iniziate il 22 ottobre 2026; quelle con Playwright CLI e agent-browser il 5 novembre 2026. Tutte e sei le esecuzioni principali hanno usato lo stesso Mac con Apple silicon, con dieci attività eseguite contemporaneamente.
Il confronto principale usa 25 attività con registrazioni del primo tentativo per tutte e sei le combinazioni di modello e strumento. Abbiamo escluso da ogni combinazione le attività sul salario minimo e sulla compatibilità MDN, perché almeno un tentativo archiviato era stato sostituito da una successiva riesecuzione mirata. I tentativi conteggiati provengono dal 22 ottobre 2026 e dal 5 novembre 2026.
Gli strumenti erano Playwright CLI 0.1.22, agent-browser 0.39.1 ed ego-browser v2.1.0. All’interno di ogni coppia di quello strumento, entrambi i modelli usavano la stessa versione dello strumento, lo stesso file della skill, lo stesso budget di passaggi e le stesse verifiche delle attività. Un tentativo poteva usare 100 risposte del modello prima che il framework lo terminasse.
Le 25 attività comprendono dieci raccolte di dati su più siti, otto consultazioni su uno, due o tre siti, tre attività di ricerca esplorativa e quattro flussi di lavoro in applicazioni web di test. Ogni attività appartiene a un gruppo, in base alla sua definizione. Gli esempi e i risultati completi usano lo stesso perimetro di 25 attività.
Un tentativo è un modello che esegue un’attività con uno strumento. Una chiamata a uno strumento invoca uno strumento dell’agente; in 7 200 delle 7 202 risposte contenenti chiamate agli strumenti era presente esattamente una chiamata. Uno script ego-browser è una singola invocazione di ego-browser nodejs. Un successo significa che la risposta finale ha soddisfatto tutte le verifiche previste per quell’attività, inclusa la verifica della completezza di quanto consegnato.
Il tempo somma l’attesa dell’API del modello registrata al tempo di esecuzione degli strumenti, escludendo il tempo del framework tra un passaggio e l’altro. I confronti di velocità e costo usano le attività superate da entrambi i modelli all’interno di uno strumento. I costi del modello applicano le tariffe dei token indicate all’uso registrato, includendo i tentativi falliti dove il testo lo specifica. Il ricalcolo mantiene invariato l’uso di GPT-6.1 Sol e applica le tariffe di GPT-6 Sol.
Per l’uso delle schede in ego-browser, abbiamo contato gli script che facevano riferimento a più etichette di pagina o creavano un’altra pagina, su tutti i 25 tentativi per modello. Per gli altri strumenti, abbiamo contato le chiamate bash contenenti comandi per le schede. Sono osservazioni specifiche di ciascuna interfaccia: aprire schede o farvi riferimento non dimostra di per sé un’esecuzione simultanea.
Risultati completi
Ogni cella indica il risultato di un tentativo, l’attesa del modello più l’esecuzione degli strumenti in secondi e il costo dei token del modello in dollari USA. I valori di tempo e costo includono i fallimenti; le medie della panoramica usano solo le attività condivise riuscite definite sopra. Sono elencate tutte le attività conteggiate e tutte e sei le combinazioni.
| Attività | Tipo di lavoro | Playwright CLI con GPT-6.1 Sol | Playwright CLI con GPT-6 Sol | agent-browser con GPT-6.1 Sol | agent-browser con GPT-6 Sol | ego-browser con GPT-6.1 Sol | ego-browser con GPT-6 Sol |
|---|---|---|---|---|---|---|---|
| Prenotare un viaggio conforme alla policy in un’applicazione di test per viaggi | Flussi di lavoro nelle applicazioni web aziendali | Superato, 197.4 s, $0.224 | Superato, 164.0 s, $0.528 | Superato, 286.8 s, $0.285 | Superato, 267.5 s, $0.427 | Superato, 177.9 s, $0.311 | Superato, 142.9 s, $0.387 |
| Allineare i monitor dei servizi tier-1 a uno standard | Flussi di lavoro nelle applicazioni web aziendali | Superato, 145.5 s, $0.153 | Superato, 124.1 s, $0.245 | Superato, 331.8 s, $0.414 | Superato, 283.0 s, $0.607 | Superato, 137.6 s, $0.125 | Superato, 91.3 s, $0.215 |
| Abbinare le fatture di febbraio ai pagamenti e aprire contestazioni | Flussi di lavoro nelle applicazioni web aziendali | Superato, 253.0 s, $0.309 | Superato, 154.0 s, $0.362 | Superato, 520.4 s, $0.433 | Superato, 501.4 s, $1.052 | Superato, 190.6 s, $0.239 | Superato, 184.3 s, $0.420 |
| Creare ordini d’acquisto dai livelli delle scorte, per fornitore | Flussi di lavoro nelle applicazioni web aziendali | Superato, 189.5 s, $0.164 | Superato, 116.4 s, $0.344 | Superato, 307.2 s, $0.244 | Superato, 367.2 s, $0.630 | Superato, 164.5 s, $0.172 | Superato, 125.2 s, $0.191 |
| Tre configurazioni MacBook nel negozio USA di Apple | Consultazioni su uno, due o tre siti | Superato, 314.1 s, $0.367 | Superato, 357.8 s, $0.651 | Superato, 348.5 s, $0.440 | Superato, 471.0 s, $0.620 | Superato, 223.1 s, $0.483 | Superato, 191.8 s, $1.160 |
| Incassi di sei film di Wes Anderson su Box Office Mojo e Wikipedia | Consultazioni su uno, due o tre siti | Superato, 180.9 s, $0.151 | Superato, 496.1 s, $0.594 | Superato, 334.7 s, $0.339 | Superato, 487.0 s, $0.570 | Superato, 142.0 s, $0.179 | Superato, 105.2 s, $0.237 |
| Verifica KYC di quattro aziende britanniche su Companies House | Consultazioni su uno, due o tre siti | Superato, 185.8 s, $0.178 | Superato, 226.0 s, $0.583 | Superato, 579.3 s, $0.393 | Superato, 319.4 s, $0.708 | Superato, 177.9 s, $0.423 | Superato, 121.2 s, $0.529 |
| Studi clinici del 2021 sulla dermatite atopica confrontati con le relative schede dei farmaci | Consultazioni su uno, due o tre siti | Superato, 332.6 s, $0.352 | Non superato, 583.0 s, $0.744 | Superato, 317.1 s, $0.418 | Superato, 482.8 s, $0.857 | Superato, 234.4 s, $0.450 | Superato, 252.3 s, $0.796 |
| Tre serie IPC su FRED verificate con BLS | Consultazioni su uno, due o tre siti | Superato, 441.5 s, $0.221 | Superato, 417.7 s, $0.262 | Superato, 429.0 s, $0.372 | Superato, 265.7 s, $0.922 | Superato, 97.4 s, $0.187 | Superato, 44.5 s, $0.164 |
| Le tariffe più basse per voli senza scalo a Denver su un sito di ricerca voli | Consultazioni su uno, due o tre siti | Superato, 411.5 s, $0.471 | Non superato, 616.3 s, $0.948 | Non superato, 872.9 s, $1.109 | Non superato, 690.9 s, $1.342 | Superato, 338.0 s, $0.609 | Superato, 385.3 s, $1.503 |
| Una settimana di post sui lanci di SpaceX su X confrontati con Wikipedia | Consultazioni su uno, due o tre siti | Non superato, 118.0 s, $0.088 | Non superato, 363.3 s, $0.491 | Superato, 224.4 s, $0.151 | Superato, 239.4 s, $0.577 | Superato, 112.7 s, $0.183 | Superato, 499.8 s, $0.269 |
| Una lezione su YouTube confrontata con il relativo script su GitHub e l’articolo su arXiv | Consultazioni su uno, due o tre siti | Superato, 467.3 s, $0.700 | Non superato, 454.7 s, $0.922 | Superato, 221.6 s, $0.349 | Superato, 235.8 s, $0.395 | Superato, 94.7 s, $0.274 | Superato, 132.1 s, $0.574 |
| Come nove servizi musicali elencano uno stesso album | Raccolta dati su più siti | Non superato, 440.3 s, $0.603 | Non superato, 419.9 s, $1.117 | Superato, 678.2 s, $0.995 | Non superato, 688.6 s, $1.068 | Non superato, 180.2 s, $0.489 | Non superato, 227.8 s, $1.179 |
| Prime decisioni sui tassi del 2026 di dodici banche centrali | Raccolta dati su più siti | Superato, 686.3 s, $0.917 | Non superato, 713.3 s, $1.273 | Non superato, 694.0 s, $1.008 | Non superato, 674.2 s, $1.069 | Superato, 318.3 s, $0.643 | Non superato, 377.3 s, $2.641 |
| Keynote di apertura di nove conferenze per sviluppatori | Raccolta dati su più siti | Superato, 726.0 s, $0.960 | Superato, 701.9 s, $2.388 | Superato, 507.9 s, $0.949 | Non superato, 459.7 s, $1.606 | Superato, 488.4 s, $1.174 | Superato, 473.4 s, $1.495 |
| Specifiche per gli USA di nove SUV elettrici | Raccolta dati su più siti | Superato, 756.9 s, $0.771 | Non superato, 730.6 s, $0.964 | Non superato, 495.9 s, $0.801 | Non superato, 595.0 s, $1.071 | Superato, 413.6 s, $0.843 | Non superato, 316.8 s, $1.471 |
| Scheda di approvazione per nove modelli a pesi aperti su Hugging Face | Raccolta dati su più siti | Non superato, 537.6 s, $0.719 | Non superato, 616.2 s, $0.986 | Superato, 651.6 s, $1.020 | Non superato, 663.4 s, $1.194 | Superato, 352.8 s, $0.804 | Superato, 330.1 s, $1.198 |
| Specifiche ufficiali per il Regno Unito di nove smartphone di punta | Raccolta dati su più siti | Superato, 575.9 s, $0.635 | Non superato, 642.9 s, $0.773 | Superato, 786.8 s, $0.942 | Non superato, 392.0 s, $0.743 | Superato, 348.1 s, $0.704 | Non superato, 270.2 s, $0.765 |
| Matrice di conformità da nove Trust Center SaaS | Raccolta dati su più siti | Non superato, 683.8 s, $0.577 | Non superato, 560.0 s, $0.642 | Non superato, 704.3 s, $0.736 | Non superato, 464.7 s, $0.542 | Superato, 299.8 s, $0.592 | Non superato, 185.1 s, $0.451 |
| Piani gratuiti di nove piattaforme serverless | Raccolta dati su più siti | Superato, 369.2 s, $0.395 | Superato, 441.0 s, $0.491 | Non superato, 582.5 s, $0.529 | Non superato, 763.6 s, $1.241 | Superato, 199.4 s, $0.360 | Superato, 267.4 s, $1.331 |
| Rilasci di sicurezza di otto progetti open source su X e sui loro siti | Raccolta dati su più siti | Non superato, 318.5 s, $0.392 | Non superato, 334.8 s, $0.903 | Superato, 619.8 s, $0.892 | Non superato, 670.8 s, $1.468 | Superato, 231.5 s, $0.441 | Superato, 434.8 s, $2.405 |
| Otto lanci di prodotti di elettronica di consumo su X e nei comunicati stampa | Raccolta dati su più siti | Non superato, 404.1 s, $0.401 | Non superato, 397.8 s, $0.917 | Superato, 675.0 s, $0.924 | Non superato, 528.6 s, $1.139 | Superato, 389.1 s, $0.541 | Non superato, 567.1 s, $1.101 |
| Leggere i costi e i punteggi dal grafico della classifica ARC Prize | Ricerca esplorativa | Superato, 171.3 s, $0.185 | Superato, 239.0 s, $1.092 | Superato, 361.3 s, $0.466 | Superato, 304.5 s, $0.357 | Superato, 84.9 s, $0.201 | Superato, 83.5 s, $0.257 |
| Contare i modelli che superano le soglie UE relative al volume di calcolo nei dati di Epoch AI | Ricerca esplorativa | Superato, 132.7 s, $0.132 | Superato, 57.9 s, $0.139 | Superato, 106.5 s, $0.147 | Superato, 116.1 s, $0.159 | Superato, 62.2 s, $0.090 | Superato, 99.0 s, $0.105 |
| Seguire dieci riferimenti nell’elenco dei grandi modelli linguistici di Wikipedia | Ricerca esplorativa | Superato, 340.0 s, $0.189 | Non superato, 654.3 s, $0.435 | Superato, 211.0 s, $0.300 | Superato, 194.6 s, $0.451 | Superato, 169.6 s, $0.244 | Non superato, 151.4 s, $0.202 |

