3種類のブラウザーツールでGPT-6.1 SolとGPT-6 Solのブラウザー操作を比較検証

今回検証したpiブラウザーエージェントの構成では、私たちならGPT-6 SolよりGPT-6.1 Solを選びます。理由は完了タスクの多さとモデルのコストの低さであり、一貫した高速化ではありません。このGPT-6.1 Solのブラウザー操作テストでは、各モデルが25件のウェブタスクをPlaywright CLI、agent-browser、ego-browserでそれぞれ1回ずつ実行しました。各モデルにつき、各ツールで25回の試行です。GPT-6.1 SolはPlaywright CLIで25回中19回、agent-browserで25回中20回、ego-browserで25回中24回成功しました。GPT-6 Solはそれぞれ12回、14回、18回でした。各ツールで両モデルが成功したタスクにおけるGPT-6.1 Solの平均所要時間は275.6秒、327.1秒、195.0秒で、タスク当たりのコストは$0.287、$0.339、$0.372でした。GPT-6 Solは平均291.3秒、324.0秒、220.2秒、コストは$0.640、$0.595、$0.735でした。
成功数の増加の大半は、9~16のサイトから同じ項目を集める、複数サイトにまたがるデータ収集タスクによるものでした。各ツールでこの種のタスクを10件ずつ実行したところ、GPT-6.1 Solは30回中20回、GPT-6 Solは6回成功しました。3種類のツール全体では、GPT-6 Solの失敗からGPT-6.1 Solの成功に変わった試行が19回あり、逆の変化はありませんでした。
両モデルが成功したタスクでは、GPT-6.1 Solのツール呼び出しが少なくなりました。ego-browserでは、そのブラウザースクリプトの43.7%が2つ以上のタブを参照するか、既存のタブに加えて新しいタブを開いていました。GPT-6 Solで同様の処理をしたのは0.4%でした。これは観察したスクリプトの特徴であり、タブの使い方が成功数の増加を引き起こしたと証明するものではありません。GPT-6.1 Solも75回の試行中12回は失敗し、そのうち10回は値に誤りや欠落がある回答を出して終了しました。
GPT-6.1 Solで記録したトークン使用量をGPT-6 Solの料金で計算し直しても、コストの優位性は残ります。両モデルが成功したタスクでは、この計算によるタスク当たりのコストはPlaywright CLI、agent-browser、ego-browserでそれぞれ$0.402、$0.477、$0.523となり、すべてのツールでGPT-6 Solを下回ります。速度は一様ではありません。GPT-6.1 Solの平均所要時間は2種類のツールで短く、agent-browserではわずかに長くなりました。また、2種類のツールでは、共通タスクのうちこのモデルのほうが速かったものは半数未満でした。
| モデルとブラウザーツール | 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 |
|---|---|---|---|
| GPT-6.1 SolとPlaywright CLI | 76.0% (19/25) | 275.6 s | $0.287 |
| GPT-6 SolとPlaywright CLI | 48.0% (12/25) | 291.3 s | $0.640 |
| GPT-6.1 Solとagent-browser | 80.0% (20/25) | 327.1 s | $0.339 |
| GPT-6 Solとagent-browser | 56.0% (14/25) | 324.0 s | $0.595 |
| GPT-6.1 Solとego-browser | 96.0% (24/25) | 195.0 s | $0.372 |
| GPT-6 Solとego-browser | 72.0% (18/25) | 220.2 s | $0.735 |
成功率は各行の全25回の試行を対象とします。時間とコストは、そのツールで両モデルが成功したタスクが対象で、Playwright CLIは12件、agent-browserは14件、ego-browserは18件です。時間はモデルの応答待ち時間とツール実行時間の合計で、テスト実行環境がステップ間で費やす時間は含みません。各ツールのモデルの組み合わせは別々の比較なので、対象タスクが異なるこれらの数値からツール間の時間やコストの順位は付けられません。
成功率
GPT-6.1 Solは、すべてのツールで検証対象のタスクをより多く完了し、複数サイトからの収集で特に大きく改善しました。Playwright CLIでは成功数が7回、agent-browserでは6回、ego-browserでも6回増えました。3種類のツール全体では、両モデルが成功した試行が44回、GPT-6.1 Solだけが成功した試行が19回、両方が失敗した試行が12回でした。
| 作業の種類 | 各ツールのタスク数 | Playwright CLI | agent-browser | ego-browser |
|---|---|---|---|---|
| 複数サイトのデータ収集 | 10 | 5 対 2 | 6 対 0 | 9 対 4 |
| 1~3サイトでの情報検索 | 8 | 7 対 4 | 7 対 7 | 8 対 8 |
| 探索的な調査 | 3 | 3 対 2 | 3 対 3 | 3 対 2 |
| 業務用ウェブアプリのワークフロー | 4 | 4 対 4 | 4 対 4 | 4 対 4 |
各セルはGPT-6.1 Solの成功数、続いてGPT-6 Solの成功数を示します。各タスクの試行は1回です。モデル変更による完了状況の改善が最も大きいのは、複数サイトにまたがる作業です。4件のテストアプリのタスクでは、両モデルがすべてのツールですべての試行に成功したため、ここでモデルを変える理由はコストです。
GPT-6 Solが失敗し、GPT-6.1 Solが成功した19回の内訳は、ステップ上限に達して回答しなかったものが6回、値に誤りや欠落がある回答を出したものが13回でした。全75回の試行では、GPT-6 Solが上限に達したのは9回、GPT-6.1 Solは2回でした。ステップはモデルの1回の応答で、各試行の上限は100ステップでした。
SaaSのコンプライアンスタスクは、誤答による失敗の例です。9社のベンダーについて、2026年9月30日時点の認証状況を調べるもので、各社のいずれかのエディションで提供される最高レベルのFedRAMP認可も含みます。ego-browserでGPT-6 SolはAsanaのトラストページのリンクを調べ、Asanaについて「none(なし)」と記載しました。GPT-6.1 SolはGovernmentリンクをたどってAsana Govを開き、プレスリリースでFedRAMP Moderateの認可を確認しました。

GPT-6.1 Solは38ステップで要求されたすべてのチェックを満たしました。GPT-6 Solは22ステップで停止し、Asanaの誤った値によって、認可を受けたベンダーの集計数も変わっていました。
| 最終表の項目 | 正しい値 | GPT-6 Solの記載 |
|---|---|---|
| Asanaの最高レベルのFedRAMP認可 | Moderate(Asana Gov経由) | none(なし) |
| FedRAMP Moderate以上のベンダー数 | 6社(Asanaを含む) | 5社(Asanaを除く) |
GPT-6.1 Sol自身の失敗にも確認が必要です。12回の失敗のうち10回では、値に誤りや欠落がある回答を出しました。完成して見える表だけで、意思決定に使う結果を信頼することはできません。
各モデルの作業の進め方
同じタスクを成功裏に完了した場合、GPT-6.1 Solのツール呼び出しは少なくなりました。共通タスクでのタスク当たり平均呼び出し数は、Playwright CLIで32.6回対GPT-6 Solの42.3回、agent-browserで34.1回対50.5回、ego-browserで29.8回対40.1回でした。ツール呼び出しとは、bashやファイルリーダーなど、エージェントのツールを1回実行することです。
ego-browserでは、GPT-6.1 Solの735本のスクリプトのうち321本が複数のタブを扱うか、新しいタブを作成していました。GPT-6 Solでは1,044本のうち4本でした。Playwright CLIとagent-browserでは、GPT-6.1 Solはbash呼び出しのそれぞれ15.8%と9.3%でタブコマンドを実行しました。GPT-6 Solでは2.5%と2.2%でした。割合の集計対象はインターフェースによって異なるため、これらは各ツール内でのモデル間比較です。
中央銀行のタスクは、長い作業における違いを示しています。12の中央銀行について、投票結果と次回発表日を含む2026年最初の政策金利決定を調べるものです。GPT-6 Solはスクリプトごとに1つの銀行を調べ、90ステップ目で12番目の銀行に到達しましたが、表を書かずに上限に達しました。GPT-6.1 Solは38本のブラウザースクリプトのうち30本で2つのタブを使い、35ステップ目でその銀行に到達し、42ステップ目で表を完成させました。

これは2回の試行がどのように進んだかを示す有用な証拠ですが、タブ戦略を独立に検証した実験ではありません。より広い範囲で見ると、複数サイトを扱う30回の試行で、GPT-6.1 Solは20回、GPT-6 Solは6回成功しました。
速度
私たちなら、速度を理由にモデルを変えることはしません。両モデルが成功した共通タスクでの平均所要時間は、Playwright CLIではGPT-6.1 Solが275.6秒、GPT-6 Solが291.3秒、agent-browserでは327.1秒対324.0秒、ego-browserでは195.0秒対220.2秒でした。これらの平均は、各ツール内の同じタスクについて、モデルの応答待ちとツール実行の時間を含みます。
タスク数を見ると、このトレードオフがより明確になります。GPT-6.1 Solのほうが速かったのは、Playwright CLIでは共通タスク12件中5件、agent-browserでは14件中7件、ego-browserでは18件中7件でした。2種類のツールで平均が低くても、個々の作業の大半が早く終わったわけではありません。この構成で選ぶ理由として、完了状況とコストの改善のほうが強い根拠になります。
費用
両モデルが完了した作業では、GPT-6.1 Solのコストはすべてのツールで低くなりました。Playwright CLIでは共通タスク12件すべて、agent-browserでは14件中13件、ego-browserでは18件中17件で、このモデルのほうが安くなりました。この表では、記録されたトークン使用量の変化とモデルの料金変更を分けて示します。
| ブラウザーツール | GPT-6.1 Sol | GPT-6.1 Solのトークン使用量をGPT-6 Solの料金で計算 | 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 |
各ツールで両モデルが成功した共通タスクにおける、タスク当たりの平均モデルコストです。使用するのはOpenAIの標準API料金です。両モデルとも、未キャッシュ入力トークン100万個当たり$2.00、出力トークン100万個当たり$10.00です。キャッシュ済み入力は100万トークン当たり、GPT-6.1 Solが$0.10、GPT-6 Solが$0.20です。これらはAPI換算のトークンコストであり、エージェントのサブスクリプション料金ではありません。
失敗した試行も含めると、タスク当たりの平均モデルコストは、Playwright CLIで$0.410対$0.752、agent-browserで$0.586対$0.833、ego-browserで$0.430対$0.842でした。すべての試行を各モデル自身の料金で計算すると、GPT-6.1 Solのほうが安くなりました。両モデルが成功した共通タスクでは、GPT-6 Solの料金で計算し直してもコストは低くなりました。
どちらのモデルを使うべきか
今回のpi構成と、ここで扱った作業には、私たちなら推論の強度をhighに設定したGPT-6.1 Solを選びます。すべてのツールで成功数が多く、コストも低く、75の比較のうちGPT-6 Solの成功からGPT-6.1 Solの失敗に変わったものはありませんでした。ただし、この結果から一貫した高速化は期待しません。
複数サイトからの収集では、成功数は30回中6回から20回に増えました。それでもGPT-6.1 Solは10回失敗しているため、私たちなら返された表を使う前に確認します。4件のテストアプリのワークフローでは、両モデルがすべての試行に成功したため、有用な違いはモデルのコストです。
検証した構成では、piエージェント実行環境、highの推論強度、bash、各ブラウザーツールのskillファイルを使用しました。ego-browserはego(lite)を操作し、Playwright CLIとagent-browserはChromeを操作します。モデル比較では、同じツールを使う両モデルの比較で同じツールバージョンとガイダンスを使っています。
この比較における ego(lite) の役割
ego(lite)はego-browserが操作したブラウザーであり、比較対象のモデルではありません。ego-browser 連携ガイドで、その接続関係を説明しています。他の構成では、Playwright CLIとagent-browserがChromeを操作しました。
ツール同士を比べる前に、同じツール内で2つのモデルを選び分けてください。各ツールのモデルコストと所要時間の平均は、そのツールで両モデルが成功した共通タスクを対象にしているため、これらの平均でツール同士を順位付けすることはできません。同様のpi構成の作業に参考になるのは、記録された完了状況とモデルコストのトレードオフであり、速度の結果は一様ではありません。
よくある質問
ブラウザーエージェントには、GPT-6.1 SolのほうがGPT-6 Solより優れていますか?
今回のpi構成では、GPT-6.1 Solは3種類のすべてのツールで、25件のうちより多くのタスクに成功しました。成功数はPlaywright CLI、agent-browser、ego-browserでそれぞれ19回、20回、24回、GPT-6 Solは12回、14回、18回でした。旧モデルの成功から新モデルの失敗に変わった比較はありませんでした。
GPT-6.1 SolはGPT-6 Solより安いですか?
両モデルが成功したタスクでは、すべてのツールでGPT-6.1 Solの平均モデルコストが低くなりました。タスク当たりのコストはそれぞれ$0.287対$0.640、$0.339対$0.595、$0.372対$0.735でした。記録されたトークン使用量をGPT-6 Solの料金で計算しても、コストは低いままでした。
GPT-6.1 SolはGPT-6 Solより速いですか?
モデルの応答待ちとツール実行の時間を合計すると、GPT-6.1 Solの平均は2種類のツールで低く、agent-browserではわずかに高くなりました。Playwright CLI、agent-browser、ego-browserの共通タスクで、このモデルのほうが速かったのはそれぞれ12件中5件、14件中7件、18件中7件でした。私たちなら、一貫した速さよりも、完了状況とコストを理由に選びます。
GPT-6.1 Solのブラウザー操作は何が変わりましたか?
両モデルが成功した共通タスクでは、すべてのツールでGPT-6.1 Solのツール呼び出しが少なくなりました。ego-browserでは、スクリプトの43.7%が複数のタブを扱うか、新しいタブを作成していました。GPT-6 Solでは0.4%でした。GPT-6.1 Solがステップ上限に達して回答しなかったのは75回の試行中2回で、GPT-6 Solは9回でした。
GPT-6 Solが成功したのに、GPT-6.1 Solが失敗したタスクはありますか?
今回の25件のタスクの比較では、ありませんでした。3種類のツール全体で、GPT-6 Solの失敗からGPT-6.1 Solの成功に変わった結果は19件あり、逆の変化はありませんでした。両モデルが成功した試行は44回、両方が失敗した試行は12回でした。
GPT-6.1 Solもブラウザーでどのような誤りを起こしますか?
GPT-6.1 Solは、3種類のツール全体で75回の試行中12回失敗しました。10回は値に誤りや欠落がある回答を出して終了し、2回はステップ上限に達しました。完成して見える表でも、誤りが残ることがあります。
GPT-6.1 Solは複数サイトからのデータ収集でどうでしたか?
9~16のサイトから同じ項目を集める10件のタスクでは、GPT-6.1 Solが30回の試行中20回、GPT-6 Solが30回中6回成功しました。成功数の増加の大半は、このグループによるものです。それでもGPT-6.1 Solは、このグループで10回失敗しました。
ブラウザーツールが変わると、より多くの作業を完了するモデルも変わりますか?
検証した3種類のすべてのツールで、GPT-6.1 Solのほうが多くのタスクに成功しました。成功数の増加はPlaywright CLIで7回、agent-browserとego-browserでそれぞれ6回でした。速度のトレードオフはツールによって異なりました。
1つのウェブアプリ内でもGPT-6.1 Solを使う価値はありますか?
両モデルとも、すべてのツールで4件のテストアプリのワークフローすべてに成功しました。これらのアプリではモデルを変えても完了状況は改善しませんでしたが、平均モデルコストは下がりました。検証した構成では、コストを理由にGPT-6.1 Solを選ぶ根拠になります。
検証方法
gpt-6.1-solとgpt-6-solを、推論の強度をhighに設定し、piエージェント実行環境、bash、各ブラウザーツールのskillファイルで実行しました。ego-browserの実行は2026年10月22日、Playwright CLIとagent-browserは2026年11月5日に開始しました。6つの主要な実行すべてで同じAppleシリコン搭載Macを使い、10件のタスクを同時実行しました。
主比較では、モデルとツールの全6通りの組み合わせについて初回試行の記録がある25件のタスクを使います。最低賃金とMDN互換性のタスクは、保存されていた試行の少なくとも1つが後日の対象を絞った再実行で置き換えられていたため、すべての組み合わせから除外しました。集計対象の試行は、2026年10月22日と11月5日のものです。
ツールはPlaywright CLI 0.1.22、agent-browser 0.39.1、ego-browser v2.1.0でした。各ツールのモデルの組み合わせでは、ツールのバージョン、skillファイル、ステップ上限、タスクのチェック項目を統一しました。試行はモデルが100回応答するまで進めることができ、その後は実行環境が終了させます。
25件のタスクの内訳は、複数サイトからのデータ収集10件、1~3サイトでの情報検索8件、探索的調査3件、テスト用ウェブアプリのワークフロー4件です。各タスクは、その定義に基づいて1つのグループに分類します。具体例と完全な結果一覧も、同じ25件が対象です。
試行とは、1つのモデルが1つのツールで1件のタスクを実行することです。ツール呼び出しはエージェントのツールを実行します。ツール呼び出しを含む7,202回の応答のうち、7,200回はちょうど1回の呼び出しを行っていました。ego-browserのスクリプトとは、ego-browser nodejsの1回の実行です。成功とは、成果物が完全にそろっていることの確認を含め、タスクに指定されたすべてのチェックを最終回答が満たすことです。
時間は、記録されたモデルAPIの待ち時間とツール実行時間の合計で、ステップ間の実行環境の処理時間は含みません。速度とコストの比較は、同じツール内で両モデルが成功したタスクを使います。モデルコストは、記録された使用量に記載のトークン料金を適用したもので、本文に明記した場合は失敗した試行も含めます。料金の再計算では、GPT-6.1 Solの使用量を固定したまま、GPT-6 Solの料金を適用します。
ego-browserのタブ使用については、モデルごとの全25回の試行で、複数ページのラベルを参照するか、別のページを作成したスクリプトを集計しました。他のツールでは、タブコマンドを含むbash呼び出しを集計しました。これらはインターフェースごとの観察であり、タブを開いたり参照したりするだけでは、並列実行の証拠にはなりません。
全タスクの結果
各セルは1回の試行の結果、モデルの応答待ちとツール実行の合計時間(秒)、モデルのトークンコスト(米ドル)を示します。ここでの時間とコストは失敗も含みますが、概要の平均は上記で定義した、両モデルが成功した共通タスクのみを対象とします。集計したすべてのタスクと全6通りの組み合わせを掲載しています。
| タスク | 作業の種類 | Playwright CLI、GPT-6.1 Sol | Playwright CLI、GPT-6 Sol | agent-browser、GPT-6.1 Sol | agent-browser、GPT-6 Sol | ego-browser、GPT-6.1 Sol | ego-browser、GPT-6 Sol |
|---|---|---|---|---|---|---|---|
| テスト用旅行アプリで規定に沿った旅行を予約する | 業務用ウェブアプリのワークフロー | 成功, 197.4 秒, $0.224 | 成功, 164.0 秒, $0.528 | 成功, 286.8 秒, $0.285 | 成功, 267.5 秒, $0.427 | 成功, 177.9 秒, $0.311 | 成功, 142.9 秒, $0.387 |
| tier-1サービスの監視設定を標準に合わせる | 業務用ウェブアプリのワークフロー | 成功, 145.5 秒, $0.153 | 成功, 124.1 秒, $0.245 | 成功, 331.8 秒, $0.414 | 成功, 283.0 秒, $0.607 | 成功, 137.6 秒, $0.125 | 成功, 91.3 秒, $0.215 |
| 2月の請求書を支払いと照合し、異議申し立てを開始する | 業務用ウェブアプリのワークフロー | 成功, 253.0 秒, $0.309 | 成功, 154.0 秒, $0.362 | 成功, 520.4 秒, $0.433 | 成功, 501.4 秒, $1.052 | 成功, 190.6 秒, $0.239 | 成功, 184.3 秒, $0.420 |
| 仕入先ごとの在庫量に基づいて発注書を作成する | 業務用ウェブアプリのワークフロー | 成功, 189.5 秒, $0.164 | 成功, 116.4 秒, $0.344 | 成功, 307.2 秒, $0.244 | 成功, 367.2 秒, $0.630 | 成功, 164.5 秒, $0.172 | 成功, 125.2 秒, $0.191 |
| Appleの米国ストアにあるMacBookの3構成 | 1~3サイトでの情報検索 | 成功, 314.1 秒, $0.367 | 成功, 357.8 秒, $0.651 | 成功, 348.5 秒, $0.440 | 成功, 471.0 秒, $0.620 | 成功, 223.1 秒, $0.483 | 成功, 191.8 秒, $1.160 |
| Box Office MojoとWikipediaにあるWes Anderson監督作品6本の興行収入 | 1~3サイトでの情報検索 | 成功, 180.9 秒, $0.151 | 成功, 496.1 秒, $0.594 | 成功, 334.7 秒, $0.339 | 成功, 487.0 秒, $0.570 | 成功, 142.0 秒, $0.179 | 成功, 105.2 秒, $0.237 |
| Companies Houseで英国4社のKYC確認を行う | 1~3サイトでの情報検索 | 成功, 185.8 秒, $0.178 | 成功, 226.0 秒, $0.583 | 成功, 579.3 秒, $0.393 | 成功, 319.4 秒, $0.708 | 成功, 177.9 秒, $0.423 | 成功, 121.2 秒, $0.529 |
| 2021年のアトピー性皮膚炎の臨床試験を薬の添付文書と照合する | 1~3サイトでの情報検索 | 成功, 332.6 秒, $0.352 | 失敗, 583.0 秒, $0.744 | 成功, 317.1 秒, $0.418 | 成功, 482.8 秒, $0.857 | 成功, 234.4 秒, $0.450 | 成功, 252.3 秒, $0.796 |
| FREDの3つのCPI系列をBLSと照合する | 1~3サイトでの情報検索 | 成功, 441.5 秒, $0.221 | 成功, 417.7 秒, $0.262 | 成功, 429.0 秒, $0.372 | 成功, 265.7 秒, $0.922 | 成功, 97.4 秒, $0.187 | 成功, 44.5 秒, $0.164 |
| フライト検索サイトにおけるデンバー行きノンストップ便の最安運賃 | 1~3サイトでの情報検索 | 成功, 411.5 秒, $0.471 | 失敗, 616.3 秒, $0.948 | 失敗, 872.9 秒, $1.109 | 失敗, 690.9 秒, $1.342 | 成功, 338.0 秒, $0.609 | 成功, 385.3 秒, $1.503 |
| X上のSpaceXの打ち上げに関する1週間分の投稿をWikipediaと照合する | 1~3サイトでの情報検索 | 失敗, 118.0 秒, $0.088 | 失敗, 363.3 秒, $0.491 | 成功, 224.4 秒, $0.151 | 成功, 239.4 秒, $0.577 | 成功, 112.7 秒, $0.183 | 成功, 499.8 秒, $0.269 |
| YouTubeの講義を、そのGitHubスクリプトとarXiv論文と照合する | 1~3サイトでの情報検索 | 成功, 467.3 秒, $0.700 | 失敗, 454.7 秒, $0.922 | 成功, 221.6 秒, $0.349 | 成功, 235.8 秒, $0.395 | 成功, 94.7 秒, $0.274 | 成功, 132.1 秒, $0.574 |
| 9つの音楽サービスにおける同一アルバムの掲載内容 | 複数サイトのデータ収集 | 失敗, 440.3 秒, $0.603 | 失敗, 419.9 秒, $1.117 | 成功, 678.2 秒, $0.995 | 失敗, 688.6 秒, $1.068 | 失敗, 180.2 秒, $0.489 | 失敗, 227.8 秒, $1.179 |
| 12の中央銀行による2026年最初の政策金利決定 | 複数サイトのデータ収集 | 成功, 686.3 秒, $0.917 | 失敗, 713.3 秒, $1.273 | 失敗, 694.0 秒, $1.008 | 失敗, 674.2 秒, $1.069 | 成功, 318.3 秒, $0.643 | 失敗, 377.3 秒, $2.641 |
| 9つの開発者会議の開幕基調講演 | 複数サイトのデータ収集 | 成功, 726.0 秒, $0.960 | 成功, 701.9 秒, $2.388 | 成功, 507.9 秒, $0.949 | 失敗, 459.7 秒, $1.606 | 成功, 488.4 秒, $1.174 | 成功, 473.4 秒, $1.495 |
| 電動SUV9車種の米国向け仕様 | 複数サイトのデータ収集 | 成功, 756.9 秒, $0.771 | 失敗, 730.6 秒, $0.964 | 失敗, 495.9 秒, $0.801 | 失敗, 595.0 秒, $1.071 | 成功, 413.6 秒, $0.843 | 失敗, 316.8 秒, $1.471 |
| Hugging Faceにあるオープンウェイトモデル9種の承認用一覧表 | 複数サイトのデータ収集 | 失敗, 537.6 秒, $0.719 | 失敗, 616.2 秒, $0.986 | 成功, 651.6 秒, $1.020 | 失敗, 663.4 秒, $1.194 | 成功, 352.8 秒, $0.804 | 成功, 330.1 秒, $1.198 |
| フラッグシップスマートフォン9機種の英国向け公式仕様 | 複数サイトのデータ収集 | 成功, 575.9 秒, $0.635 | 失敗, 642.9 秒, $0.773 | 成功, 786.8 秒, $0.942 | 失敗, 392.0 秒, $0.743 | 成功, 348.1 秒, $0.704 | 失敗, 270.2 秒, $0.765 |
| 9つのSaaSトラストセンターに基づくコンプライアンス一覧表 | 複数サイトのデータ収集 | 失敗, 683.8 秒, $0.577 | 失敗, 560.0 秒, $0.642 | 失敗, 704.3 秒, $0.736 | 失敗, 464.7 秒, $0.542 | 成功, 299.8 秒, $0.592 | 失敗, 185.1 秒, $0.451 |
| 9つのサーバーレスプラットフォームの無料プラン | 複数サイトのデータ収集 | 成功, 369.2 秒, $0.395 | 成功, 441.0 秒, $0.491 | 失敗, 582.5 秒, $0.529 | 失敗, 763.6 秒, $1.241 | 成功, 199.4 秒, $0.360 | 成功, 267.4 秒, $1.331 |
| オープンソース8プロジェクトの、Xと各サイトにおけるセキュリティリリース | 複数サイトのデータ収集 | 失敗, 318.5 秒, $0.392 | 失敗, 334.8 秒, $0.903 | 成功, 619.8 秒, $0.892 | 失敗, 670.8 秒, $1.468 | 成功, 231.5 秒, $0.441 | 成功, 434.8 秒, $2.405 |
| Xとプレスリリースにおける消費者向け電子機器の8件の発表 | 複数サイトのデータ収集 | 失敗, 404.1 秒, $0.401 | 失敗, 397.8 秒, $0.917 | 成功, 675.0 秒, $0.924 | 失敗, 528.6 秒, $1.139 | 成功, 389.1 秒, $0.541 | 失敗, 567.1 秒, $1.101 |
| ARC Prizeのランキング図からコストとスコアを読み取る | 探索的な調査 | 成功, 171.3 秒, $0.185 | 成功, 239.0 秒, $1.092 | 成功, 361.3 秒, $0.466 | 成功, 304.5 秒, $0.357 | 成功, 84.9 秒, $0.201 | 成功, 83.5 秒, $0.257 |
| Epoch AIのデータでEUの計算量しきい値を超えるモデルを数える | 探索的な調査 | 成功, 132.7 秒, $0.132 | 成功, 57.9 秒, $0.139 | 成功, 106.5 秒, $0.147 | 成功, 116.1 秒, $0.159 | 成功, 62.2 秒, $0.090 | 成功, 99.0 秒, $0.105 |
| Wikipediaの大規模言語モデル一覧にある10件の出典をたどる | 探索的な調査 | 成功, 340.0 秒, $0.189 | 失敗, 654.3 秒, $0.435 | 成功, 211.0 秒, $0.300 | 成功, 194.6 秒, $0.451 | 成功, 169.6 秒, $0.244 | 失敗, 151.4 秒, $0.202 |

