GPT-6.1 Sol は三つのブラウザーツールでどう動いたか

15分で読めます
GPT-6.1 Sol のブラウザーツール比較用に、淡い青の背景に水彩の花を描いた画像

私たちなら、GPT-6.1 Sol を ego-browser 経由で ego(lite) 上で動かす構成を基本にします。保存された 28 タスクのうち 27 を完了し、agent-browser は 23、playwright-cli は 22 でした。また、三つのツールがすべて完了した 18 タスクでは最速でした。ただし、すべての指標で最も安かったわけではありません。実行一回当たりの支出は playwright-cli のほうが低く、ego-browser が失敗した航空券検索タスクにも一つ成功しました。

GPT-6.1 Sol のブラウザーツールで最も差が出たのは、複数の公式情報源から同じ項目を集める複数サイトのデータ収集です。ego-browser は十件すべてに成功し、agent-browser は六件、playwright-cli は七件でした。三つの調査と統合のタスクと、テスト用アプリ内で行う四つのウェブアプリ自動化タスクでは、ego-browser、agent-browser、playwright-cli の結果は同じでした。そのため、この二つのグループでは速度と費用が選択を決めます。

今回の設定では、ego-browser が完了率と速度で優位に立ち、実行一回当たりの平均費用は playwright-cli が $0.4182 と最も低くなりました。成功率が高いため、ego-browser の成功タスク一件当たりの費用は $0.4646 と最も低く、共通の 18 タスクでの平均費用は playwright-cli との差が 5.4% でした。

このテストでは、その他の条件はすべての試行で固定したため、以下の違いはブラウザー操作を担ったツールから生じています。一回の試行とは、そのツールの初回ベンチマークで保存された、一つのタスクの一回の実行です。

ブラウザーツール成功率タスク当たりの平均時間タスク当たりの平均費用(記録値)
ego-browser96.4% (27/28)246.7 s$0.3352
agent-browser82.1% (23/28)452.5 s$0.4702
playwright-cli78.6% (22/28)399.9 s$0.3542

成功率はツールごとに保存された 28 回の試行を使っています。時間と費用は、三つのツールがすべて成功した同じ 18 タスクを対象とします。費用は使用量に基づいて金額を算出した、米ドル建ての実行記録です。ego-browser の行は 2026 年 11 月 7 日のテストビルドを使用し、他の行は 2026 年 11 月 5 日の実行を使用しています。

成功率

成功率の棒グラフは、ゼロから 100 パーセントの共通目盛を使用。ego-browser は 96.4%(27/28)、agent-browser は 82.1%(23/28)、playwright-cli は 78.6%(22/28)。

最も成功率が高いのは ego-browser です。項目が一つ欠けるだけで調べ直しになるため、私たちはまず完了できることに対価を払いたいと考えます。28 タスクのうち 27 に成功し、agent-browser より四つ多く、agent-browser が完了したタスクを一つも落としませんでした。ego-browser は Playwright-cli が失敗した六つのタスクに成功し、playwright-cli は ego-browser が失敗した一つに成功しました。また、playwright-cli は検索と比較の八つのタスクすべてに成功し、ego-browser は七つでした。

agent-browser の失敗は二種類でした。三つの回答には誤った値や欠けた値があり、二回の試行は最終回答を出さずに終わりました。Playwright-cli は六件の失敗のうち五件で必要な値が欠けていました。そのうち三件は X の投稿で、タイムスタンプを取得できないと回答していました。agent-browser はその三件の X の投稿すべてに成功しました。

残る二つの欠落は、ego-browser が完了したアルバム調査タスクでの Qobuz の曲数と、オープンモデル比較での Phi-4 の学習トークン数でした。

航空券検索の比較では、ego-browser を使う GPT-6.1 Sol が、同じ条件ですでに確認していた安い運賃より高い金額を回答しました。そのため、回答はタスクの合格条件を満たさず、playwright-cli の試行は成功しました。項目がすべて埋まった表でも、意思決定を変えてしまう値が一つ含まれていることはあります。

速度

速度の面では、三つのツールがすべて成功した 18 タスクで、ego-browser は待ち時間をほぼ半分にしました。タスク当たり平均 246.7 秒で、agent-browser より 45.5%、playwright-cli より 38.3% 短くなりました。また、その 18 タスクのうち、agent-browser に対しては 15 タスク、playwright-cli に対しては 17 タスクで速くなりました。

三つのツールがすべて成功した同じ 18 タスクでの平均経過時間。ego-browser は 246.7 秒、agent-browser は 452.5 秒、playwright-cli は 399.9 秒。青とグレーの棒はゼロを起点としています。

GPT-6.1 Sol は同じ作業でより少ないツール呼び出しを行いました。ツール呼び出しとは、ツールへの一回のリクエストです。タスク当たり ego-browser は 28.1 回、agent-browser は 44.1 回、playwright-cli は 36.8 回でした。ツールの実行時間は ego-browser が 84.4 秒で、agent-browser は 210.0 秒、playwright-cli は 215.6 秒でした。

カメラのタスクは、三つのツールすべてが八つのカメラブランドの比較を完了した、通常の作業での差を示しています。GPT-6.1 Sol の所要時間は ego-browser が 330.2 秒、agent-browser が 597.2 秒、playwright-cli が 598.5 秒でした。同じ合格結果を得るためのツール呼び出し回数は、それぞれ 29、57、54 回でした。

カメラ仕様の比較中、Canon Canada を表示し、Agent in control のオーバーレイが出ている ego(lite)。

費用

ego-browser は完了率を損なわずに、agent-browser より費用を抑えています。共通の 18 タスクでは 28.7% 安く、そのうち 15 タスクで費用が低くなりました。モデルは固定され、タスク当たりのツール呼び出しは少なくなっています。

Playwright-cli と ego-browser の共通タスクでの費用は十分近く、私たちならその数値だけで選択を決めることはしません。平均値の差は 5.4% で、ego-browser のほうが安いタスクは十件、playwright-cli のほうが安いタスクは八件でした。失敗も含めると、ego-browser の成功一件当たりの費用(記録値)は $0.4646 となり、playwright-cli の $0.5322 を下回ります。

全試行の平均費用と成功タスク一件当たりの費用は異なる問いに答えるため、両方を示します。前者は一回の実行にかかる費用を示し、後者は失敗も含む記録上の総支出を成功件数で割ったものです。

ブラウザーツール全 28 回の試行でのタスク当たり平均費用(記録値)成功した試行一回当たりの費用(記録値)
ego-browser$0.4480$0.4646
agent-browser$0.5938$0.7229
playwright-cli$0.4182$0.5322

これらの数値は同じ初回実行を使っています。ego-browser は 2026 年 11 月 7 日、その他のツールは 2026 年 11 月 5 日の実行です。使用量から算出した費用の記録であり、評価費用と、保存された行に含まれない以前の再試行は除外しています。請求書を照合して確認した金額ではありません。

Playwright-cli は実行一回当たり $0.4182 と最も安くなっています。ego-browser は全要件を満たした実行が多いため、成功一回当たりの費用(記録値)が $0.4646 と最も低くなりました。どちらの数値からも、ego-browser がすべてのタスクで最も安いとは言えません。

複数サイトのデータ収集

GPT-6.1 Sol が複数の公式情報源から同じ項目を収集する必要があるなら、ego-browser が最も明確な選択肢です。十件すべてに成功し、agent-browser は六件、playwright-cli は七件でした。全体比較よりも大きな差が出ています。

ブラウザーツール複数サイトのデータ収集の成功率
ego-browser100.0% (10/10)
agent-browser60.0% (6/10)
playwright-cli70.0% (7/10)

このグループは概要と同じ初回実行を使っています。ego-browser は 2026 年 11 月 7 日、他の二つのツールは 2026 年 11 月 5 日の実行です。

ego-browser、agent-browser、playwright-cli のヒートマップ。複数サイトの収集:10 件中 10 件、10 件中 6 件、10 件中 7 件。検索と比較:8 件中 7 件、8 件中 7 件、8 件中 8 件。ソーシャルメディアの検証:3 件中 3 件、3 件中 3 件、3 件中 0 件。調査と統合:すべて 3 件中 3 件。ウェブアプリの自動化:すべて 4 件中 4 件。各セルの色の尺度はゼロから 100 パーセントです。

すべての行を埋める必要があるとき、三件または四件の差によって、その表を使えるかどうかが決まります。この十件のタスクは、中央銀行の決定、製品仕様、SaaS のコンプライアンス比較を対象としていました。

SaaS のタスクは、セルが埋まっていても内容が誤り得る理由を示しています。求められたのは 2026 年 9 月 30 日時点の認証状況でしたが、agent-browser と playwright-cli はともに、正しくは認証手続き中である Smartsheet を認証済みと記録しました。ego-browser の試行は、比較の全項目で正しい結果を返しました。

私たちならどのツールを選ぶか

完全な調査成果物が必要な場合、特に複数サイトのデータ収集では、私たちなら推論強度 high の GPT-6.1 Sol と ego-browser を pi 経由で組み合わせます。この構成は完了率が最も高く、共通タスクでの待ち時間が最も短く、費用は agent-browser での費用より低く、playwright-cli での費用に近い水準でした。

実行費用を最も重視する場合や、作業が検索と比較に近い場合は、playwright-cli を使い続けます。その八つのタスクすべてに成功し、ego-browser と agent-browser はそれぞれ七つでした。この八件の結果からは、すでにうまく動いている playwright-cli の構成を置き換える理由はありません。

agent-browser は playwright-cli より一件多く成功しましたが、記録上の費用も高かったため、全体の成功件数だけでは優先する強い理由になりません。playwright-cli が一件も成功しなかった三件の X 投稿に成功しており、これが一件差を生んだ重要な部分です。

よくある質問

GPT-6.1 Sol のブラウザーツールで、最も多くの試行を完了したのはどれですか?

最も多く完了したのは ego-browser で、保存された 28 回の試行中 27 回に成功しました。agent-browser は 23 回、playwright-cli は 22 回でした。モデル、pi のエージェント実行基盤、タスクは固定し、各ツールの初回実行からタスクごとに一回の保存済み実行を使っています。agent-browser との四件差は、複数サイトのデータ収集によるものです。

GPT-6.1 Sol で最も速かったブラウザーツールはどれですか?

最も速かったのは ego-browser で、三つのツールがすべて成功した 18 タスクではタスク当たり平均 246.7 秒でした。同じモデルで agent-browser は平均 452.5 秒、playwright-cli は平均 399.9 秒でした。ego-browser は agent-browser に対して 15 タスク、playwright-cli に対して 17 タスクで速く、平均値は幅広いタスクでの優位性を反映しています。

GPT-6.1 Sol のブラウザータスク一件当たりの費用はいくらですか?

共通の 18 タスクで、GPT-6.1 Sol の記録上のタスク当たり平均費用は ego-browser が $0.3352、agent-browser が $0.4702、playwright-cli が $0.3542 でした。全 28 回の試行では、それぞれ $0.4480、$0.5938、$0.4182 でした。これらは使用量に基づいて金額を算出した実行記録であり、請求額を照合して確認したものではなく、評価費用も含みません。

平均実行費用が最も安いツールは、成功一回当たりの費用も最も低かったのですか?

平均実行費用が最も安かったのは Playwright-cli の $0.4182 ですが、成功一回当たりの費用(記録値)が最も低かったのは ego-browser の $0.4646 でした。agent-browser の成功一回当たりの費用は $0.7229、playwright-cli は $0.5322 でした。失敗を含む 28 回の試行全体で記録された支出を、各ツールの成功件数で割っています。

ego-browser はすべてのタスクで playwright-cli に勝ったのですか?

ego-browser は playwright-cli が失敗した 6 タスクに成功しましたが、playwright-cli は ego-browser が失敗した 1 タスクに成功しました。その反例は航空券検索の比較で、ego-browser を使う GPT-6.1 Sol は、条件を満たすより安い運賃があるのに、それを上回る運賃を回答しました。モデルが表を返していても、この回答は失敗と数えています。

複数サイトのデータ収集には、どのツールを選びますか?

GPT-6.1 Sol の複数サイトのデータ収集には、全 10 回の試行に成功した ego-browser を選びます。同じタスクで agent-browser は六回、playwright-cli は七回に成功しました。SaaS の比較は、完了が重要な理由を示しています。他の二つのツールはともに、指定された基準日時点の認証状況を誤っていました。

検索と比較の作業で playwright-cli を置き換えますか?

今回の検索と比較の 8 タスクでは、playwright-cli は全 8 件に成功したため、完了率を理由に置き換えることはしません。ego-browser と agent-browser は、それぞれ 7 件に成功しました。速度の比較では ego-browser が優位なので、このグループで切り替えを検討するなら、待ち時間のほうが強い理由になります。

一件多く成功したことで、agent-browser は playwright-cli よりよい選択になりますか?

agent-browser の成功 23 件に対して playwright-cli は 22 件ですが、全体として前者を選ぶ強い理由にはなりません。共通タスクの費用も agent-browser のほうが高く、タスク当たり平均 $0.4702 に対し、playwright-cli は $0.3542 でした。agent-browser が成功し playwright-cli が一件も成功しなかった三件の X 投稿など、結果はタスクによって分かれるため、作業に合わせて選びます。

三つのブラウザーツールは、調査とウェブアプリのタスクで同じ結果になりましたか?

三つのツールはすべて、調査と統合の 3 タスクと、テスト用アプリでのウェブアプリ自動化の 4 タスクに成功しました。これらの結果だけでは、どちらのグループでもツールに順位を付ける理由はありません。私たちが ego-browser を選ぶ理由は待ち時間と記録上の費用であり、この 7 タスクでの完了率の優位性ではありません。

ego-browser の二回目の実行を使うと、全体の選択は変わりましたか?

ego-browser は二回目の実行で同じ 28 タスクのうち 26 に成功し、agent-browser と playwright-cli は初回の 23 件と 22 件のままでした。共通の 18 タスクでの平均時間は 252.4 秒で、他の二つのツールは 452.5 秒と 399.9 秒でした。ego-browser の二回分を混ぜて順位を付けることはせず、初回を主結果として扱っています。

検証方法

macOS 上で pi 1.5.0 を通じ、推論強度 high、記録上の openai-codex 経路を使った GPT-6.1 Sol の過去の実行記録を分析しました。2026 年 11 月 5 日の実行設定には agent-browser 0.39.1 と playwright-cli 0.1.22 が指定され、ego-browser のテストビルド local-202611071027-ba90f1c は 2026 年 11 月 7 日に実行されました。各構成は付属の skill と CLI を使ってページを観察し、ブラウザー操作を行いました。

この 28 タスクは、72 タスクの efficiency-20261019 データセットから、他の二つのツールがすでに実行していたものを選んでいます。各タスクは、複数サイトのデータ収集、検索と比較、ソーシャルメディアの検証、調査と統合、ウェブアプリの自動化のいずれか一つに属します。

各ツールの初回ベンチマークから、タスクごとに一回の保存済み実行を使うため、各ツールの試行数は 28 回です。ego-browser は二回目の実行も行い、別に報告しています。ステップの上限はモデル応答 100 ターンで、3,600 秒の時間上限も設けました。ツール呼び出しはツールへの一回のリクエストであり、合格には、必須の結果と最終成果物のすべてがタスクの合格条件を満たす必要があります。

時間と費用には、三つのツールがすべて成功した 18 タスクを使っています。時間には思考、モデルへのリクエスト、ツールの実行、その他の処理時間を含みます。費用は使用量に基づく米ドル建ての記録金額です。各ツールには異なるブラウザー状態が与えられていたため、三件の X 投稿を除いた結果も確認しました。同じツール順で 24/25、20/25、22/25 でした。

全タスクの結果

各セルは、初回ベンチマークの保存済み実行における成功した試行数、経過秒数、米ドル建てで記録された費用を示します。経過時間にはモデル API の応答待ちを含み、ツールごとにタスク一件につき一回の試行を対象としているため、タスク平均はその試行の値と等しくなります。ego-browser の行は 2026 年 11 月 7 日、他のツールの行は 2026 年 11 月 5 日の実行です。

タスク作業の種類ego-browseragent-browserplaywright-cli
九つのサービスでアルバムのメタデータを比較する複数サイトのデータ収集1/1 · 307.7 s · $0.77241/1 · 740.8 s · $0.99500/1 · 524.0 s · $0.6029
八つのカメラブランドの仕様を収集する複数サイトのデータ収集1/1 · 330.2 s · $0.47511/1 · 597.2 s · $0.68651/1 · 598.5 s · $0.5201
十二の中央銀行の決定を収集する複数サイトのデータ収集1/1 · 382.8 s · $0.65780/1 · 760.3 s · $1.00791/1 · 816.4 s · $0.9166
カンファレンスの基調講演と録画を照合する複数サイトのデータ収集1/1 · 385.6 s · $0.56591/1 · 672.0 s · $0.94891/1 · 884.2 s · $0.9596
電動 SUV の仕様を比較する複数サイトのデータ収集1/1 · 633.2 s · $1.25900/1 · 748.7 s · $0.80061/1 · 981.4 s · $0.7713
オープンモデルのモデルカードと発表を比較する複数サイトのデータ収集1/1 · 424.5 s · $0.64861/1 · 828.6 s · $1.01990/1 · 680.6 s · $0.7187
九つの法域の最低賃金を比較する複数サイトのデータ収集1/1 · 451.9 s · $0.61081/1 · 762.6 s · $1.07611/1 · 763.2 s · $0.7392
フラッグシップスマートフォンの仕様を比較する複数サイトのデータ収集1/1 · 448.7 s · $0.64441/1 · 931.9 s · $0.94231/1 · 676.3 s · $0.6352
基準日時点の SaaS コンプライアンスを比較する複数サイトのデータ収集1/1 · 472.3 s · $0.62570/1 · 895.0 s · $0.73630/1 · 848.0 s · $0.5770
サーバーレスの無料枠の上限を比較する複数サイトのデータ収集1/1 · 205.5 s · $0.32250/1 · 682.0 s · $0.52931/1 · 411.8 s · $0.3951
インタラクティブな ARC ランキングを読み取る調査と統合1/1 · 224.4 s · $0.27081/1 · 416.6 s · $0.46581/1 · 220.2 s · $0.1853
モデル学習用データセットを分析する調査と統合1/1 · 87.1 s · $0.08091/1 · 137.7 s · $0.14741/1 · 155.5 s · $0.1321
モデルの表の情報源をたどる調査と統合1/1 · 285.6 s · $0.22881/1 · 245.5 s · $0.30041/1 · 377.5 s · $0.1890
Mac ノートパソコンを比較し、構成を設定する検索と比較1/1 · 301.3 s · $0.61191/1 · 383.0 s · $0.43991/1 · 337.2 s · $0.3669
映画六作品の興行収入を照合する検索と比較1/1 · 184.9 s · $0.20341/1 · 360.5 s · $0.33941/1 · 201.6 s · $0.1506
公開登記簿で四社をスクリーニングする検索と比較1/1 · 182.5 s · $0.28831/1 · 626.9 s · $0.39271/1 · 230.2 s · $0.1784
臨床試験と医薬品の添付文書を照合する検索と比較1/1 · 372.8 s · $0.47871/1 · 368.7 s · $0.41761/1 · 383.1 s · $0.3515
インフレの時系列データと統計を照合する検索と比較1/1 · 132.8 s · $0.19571/1 · 507.1 s · $0.37231/1 · 548.9 s · $0.2209
条件を満たす航空便と運賃を比較する検索と比較0/1 · 341.5 s · $0.44640/1 · 986.7 s · $1.10871/1 · 504.3 s · $0.4713
ブラウザー互換性の表を照合する検索と比較1/1 · 175.1 s · $0.19161/1 · 147.8 s · $0.20921/1 · 294.6 s · $0.1973
講義、コード、論文を突き合わせる検索と比較1/1 · 202.3 s · $0.42431/1 · 274.3 s · $0.34911/1 · 666.0 s · $0.7001
X のセキュリティ投稿をリリース情報と照合するソーシャルメディアの検証1/1 · 535.7 s · $0.89791/1 · 780.7 s · $0.89230/1 · 405.8 s · $0.3921
X の製品投稿を発表と照合するソーシャルメディアの検証1/1 · 710.3 s · $0.71551/1 · 851.2 s · $0.92360/1 · 466.5 s · $0.4007
X の打ち上げ投稿を参考リストと照合するソーシャルメディアの検証1/1 · 168.9 s · $0.16501/1 · 263.9 s · $0.15050/1 · 172.0 s · $0.0880
テスト用アプリの規定に従って旅行を予約するウェブアプリ自動化1/1 · 194.1 s · $0.25701/1 · 303.2 s · $0.28531/1 · 208.4 s · $0.2240
テスト用アプリのサービス監視設定を更新するウェブアプリ自動化1/1 · 137.5 s · $0.13381/1 · 419.9 s · $0.41411/1 · 152.9 s · $0.1528
テスト用アプリで売掛金を照合するウェブアプリ自動化1/1 · 227.7 s · $0.23121/1 · 628.3 s · $0.43291/1 · 291.9 s · $0.3085
テスト用アプリで補充発注を作成するウェブアプリ自動化1/1 · 116.8 s · $0.14151/1 · 361.8 s · $0.24371/1 · 208.4 s · $0.1640

続きを読む