세 가지 브라우저 도구에서 GPT-6.1 Sol과 GPT-6 Sol의 브라우저 사용을 벤치마크했습니다

저희라면 이번에 시험한 pi 브라우저 에이전트 구성에서 GPT-6 Sol보다 GPT-6.1 Sol을 선택하겠습니다. 일관된 속도 향상보다는 더 많은 작업 완료와 더 낮은 모델 비용이 그 이유입니다. 이번 GPT-6.1 Sol 브라우저 사용 시험에서는 각 모델이 25개 웹 작업을 Playwright CLI, agent-browser, ego-browser에서 각각 한 번씩 실행했습니다. 모델마다 도구별로 25회 시도한 것입니다. GPT-6.1 Sol은 Playwright CLI에서 25회 중 19회, agent-browser에서 25회 중 20회, ego-browser에서 25회 중 24회 성공했습니다. GPT-6 Sol은 각각 12회, 14회, 18회 성공했습니다. 각 도구에서 두 모델이 모두 성공한 작업을 보면, GPT-6.1 Sol의 작업당 평균 시간은 275.6초, 327.1초, 195.0초였고 비용은 $0.287, $0.339, $0.372였습니다. GPT-6 Sol의 평균 시간은 291.3초, 324.0초, 220.2초였고 비용은 $0.640, $0.595, $0.735였습니다.
늘어난 성공 사례의 대부분은 여러 사이트에서 데이터를 수집하는 작업에서 나왔습니다. 9~16개 사이트에서 같은 항목을 모으는 작업입니다. 각 도구에서 이런 작업 열 개씩을 실행한 결과, GPT-6.1 Sol은 30회 중 20회, GPT-6 Sol은 6회 성공했습니다. 세 도구 전체에서 GPT-6 Sol의 실패가 GPT-6.1 Sol의 성공으로 바뀐 시도는 19회였으며, 반대 방향으로 바뀐 경우는 없었습니다.
두 모델이 모두 성공한 작업에서는 GPT-6.1 Sol의 도구 호출이 더 적었습니다. ego-browser에서는 브라우저 스크립트의 43.7%가 두 개 이상의 탭을 참조하거나 기존 탭에 새 탭을 추가로 열었습니다. GPT-6 Sol의 해당 비율은 0.4%였습니다. 이는 관찰한 스크립트의 특성을 설명할 뿐, 탭 사용이 성공 사례 증가의 원인임을 입증하지는 않습니다. GPT-6.1 Sol도 75회 시도 중 12회 실패했으며, 그중 열 번은 값에 오류나 누락이 있는 답변을 내고 끝났습니다.
GPT-6.1 Sol에서 기록한 토큰 사용량에 GPT-6 Sol의 요금을 적용해도 비용 우위는 유지됩니다. 두 모델이 모두 성공한 작업에서 이렇게 계산한 작업당 비용은 Playwright CLI, agent-browser, ego-browser 순서로 $0.402, $0.477, $0.523이었으며, 각 도구에서 GPT-6 Sol의 비용보다 낮았습니다. 속도 결과는 엇갈립니다. GPT-6.1 Sol의 평균 시간은 두 도구에서 더 짧고 agent-browser에서는 조금 더 길었습니다. 또 두 도구에서는 공통 작업 중 이 모델이 더 빨랐던 작업이 절반에 못 미쳤습니다.
| 모델과 브라우저 도구 | 성공률 | 작업당 평균 시간 | 작업당 평균 비용 |
|---|---|---|---|
| GPT-6.1 Sol + Playwright CLI | 76.0% (19/25) | 275.6 s | $0.287 |
| GPT-6 Sol + Playwright CLI | 48.0% (12/25) | 291.3 s | $0.640 |
| GPT-6.1 Sol + agent-browser | 80.0% (20/25) | 327.1 s | $0.339 |
| GPT-6 Sol + agent-browser | 56.0% (14/25) | 324.0 s | $0.595 |
| GPT-6.1 Sol + ego-browser | 96.0% (24/25) | 195.0 s | $0.372 |
| GPT-6 Sol + ego-browser | 72.0% (18/25) | 220.2 s | $0.735 |
성공률은 각 행의 전체 25회 시도를 대상으로 합니다. 시간과 비용은 해당 도구에서 두 모델이 모두 성공한 작업을 대상으로 하며, Playwright CLI에서는 12개, agent-browser에서는 14개, ego-browser에서는 18개입니다. 시간은 모델 응답 대기 시간과 도구 실행 시간을 합한 값이며, 시험 프레임워크가 단계 사이에서 소비한 시간은 제외합니다. 각 도구의 모델 쌍은 별도의 모델 비교이므로, 서로 다른 작업 집단에서 구한 이 수치로 도구 간 시간이나 비용 순위를 매길 수는 없습니다.
성공률
GPT-6.1 Sol은 모든 도구에서 시험한 작업을 더 많이 완료했으며, 여러 사이트의 데이터 수집에서 개선 폭이 가장 컸습니다. Playwright CLI에서는 성공이 일곱 번 늘었고, agent-browser에서는 여섯 번, ego-browser에서도 여섯 번 늘었습니다. 세 도구 전체에서 두 모델이 모두 성공한 시도는 44회, GPT-6.1 Sol만 성공한 시도는 19회, 둘 다 실패한 시도는 12회였습니다.
| 작업 유형 | 도구별 작업 수 | Playwright CLI | agent-browser | ego-browser |
|---|---|---|---|---|
| 다중 사이트 데이터 수집 | 10 | 5 대 2 | 6 대 0 | 9 대 4 |
| 1~3개 사이트에서 정보 찾기 | 8 | 7 대 4 | 7 대 7 | 8 대 8 |
| 개방형 조사 | 3 | 3 대 2 | 3 대 3 | 3 대 2 |
| 업무용 웹 앱 워크플로 | 4 | 4 대 4 | 4 대 4 | 4 대 4 |
각 셀은 GPT-6.1 Sol의 성공 횟수 다음에 GPT-6 Sol의 성공 횟수를 표시합니다. 작업당 한 번씩 시도했습니다. 모델 변경에 따른 완료율 개선은 여러 사이트를 다루는 작업에서 가장 컸습니다. 네 개의 시험용 앱 작업에서는 두 모델 모두 모든 도구에서 모든 시도에 성공했으므로, 여기서 모델을 바꿀 이유는 비용입니다.
GPT-6 Sol이 실패하고 GPT-6.1 Sol이 성공한 19회 중 여섯 번은 단계 한도를 모두 쓰고도 답변을 내지 못한 경우였고, 13회는 값에 오류나 누락이 있는 답변을 낸 경우였습니다. 전체 75회 시도에서 GPT-6 Sol은 아홉 번, GPT-6.1 Sol은 두 번 한도를 모두 썼습니다. 단계 하나는 모델의 응답 한 번이며, 각 시도에는 100단계 한도가 있었습니다.
SaaS 규정 준수 작업은 잘못된 답변으로 실패한 사례를 보여줍니다. 아홉 공급업체의 2026년 9월 30일 기준 인증 현황을 찾는 작업으로, 어느 에디션에서든 제공되는 가장 높은 FedRAMP 승인 수준을 포함합니다. ego-browser에서 GPT-6 Sol은 Asana의 신뢰 정보 페이지 링크를 살펴본 뒤 Asana에 대해 “none(없음)”이라고 적었습니다. GPT-6.1 Sol은 Government 링크를 따라 Asana Gov를 열고 보도자료에서 FedRAMP Moderate 승인을 확인했습니다.

GPT-6.1 Sol은 38단계로 요청된 모든 검사를 충족했습니다. GPT-6 Sol은 22단계에서 멈췄고, 잘못된 Asana 값 때문에 승인받은 공급업체 수 집계도 달라졌습니다.
| 최종 표의 항목 | 올바른 값 | GPT-6 Sol이 적은 값 |
|---|---|---|
| Asana의 가장 높은 FedRAMP 승인 수준 | Asana Gov를 통한 Moderate 승인 | none(없음) |
| FedRAMP Moderate 이상인 공급업체 | 6개, Asana 포함 | 5개, Asana 제외 |
GPT-6.1 Sol 자체의 실패도 확인해야 합니다. 12회 실패 중 열 번은 값에 오류나 누락이 있는 답변을 냈습니다. 완성돼 보이는 표만으로는 의사결정에 사용할 결과를 신뢰할 수 없습니다.
각 모델의 작업 방식
같은 작업을 성공적으로 완료했을 때 GPT-6.1 Sol의 도구 호출은 더 적었습니다. 공통 작업의 작업당 평균 호출 횟수는 Playwright CLI에서 32.6회 대 GPT-6 Sol의 42.3회, agent-browser에서 34.1회 대 50.5회, ego-browser에서 29.8회 대 40.1회였습니다. 도구 호출은 bash나 파일 읽기 도구처럼 에이전트 도구를 한 번 실행하는 것입니다.
ego-browser에서 GPT-6.1 Sol의 스크립트 735개 중 321개는 여러 탭을 다루거나 새 탭을 만들었습니다. GPT-6 Sol은 1,044개 중 네 개가 그랬습니다. Playwright CLI와 agent-browser에서 GPT-6.1 Sol은 bash 호출의 각각 15.8%와 9.3%에서 탭 명령을 실행했고, GPT-6 Sol의 비율은 2.5%와 2.2%였습니다. 비율이 가리키는 인터페이스가 서로 다르므로, 이는 각 도구 안에서 모델끼리 비교한 수치입니다.
중앙은행 작업은 긴 작업에서 나타나는 차이를 보여줍니다. 열두 중앙은행의 2026년 첫 금리 결정을 찾되, 표결 결과와 다음 발표일도 포함해야 합니다. GPT-6 Sol은 스크립트마다 은행 하나씩 처리해 90단계에서 열두 번째 은행에 도착했지만, 표를 작성하지 못하고 한도를 모두 썼습니다. GPT-6.1 Sol은 브라우저 스크립트 38개 중 30개에서 두 탭을 사용했고, 35단계에서 해당 은행에 도착해 42단계에서 표를 완성했습니다.

이 사례는 두 시도가 어떻게 진행됐는지 보여주는 유용한 근거이지만, 탭 전략을 별도로 시험한 것은 아닙니다. 더 넓은 범위의 완료 결과를 보면, 여러 사이트를 다루는 시도에서 GPT-6.1 Sol은 30회 중 20회, GPT-6 Sol은 30회 중 6회 성공했습니다.
속도
저희라면 속도 때문에 모델을 바꾸지는 않겠습니다. 두 모델이 모두 성공한 공통 작업에서 평균 시간은 Playwright CLI의 경우 GPT-6.1 Sol이 275.6초, GPT-6 Sol이 291.3초였고, agent-browser에서는 327.1초 대 324.0초, ego-browser에서는 195.0초 대 220.2초였습니다. 이 평균에는 각 도구 안의 동일한 작업에서 발생한 모델 응답 대기와 도구 실행 시간이 포함됩니다.
작업 개수를 보면 절충점이 더 분명해집니다. GPT-6.1 Sol이 더 빨랐던 공통 작업은 Playwright CLI에서 12개 중 다섯 개, agent-browser에서 14개 중 일곱 개, ego-browser에서 18개 중 일곱 개였습니다. 두 도구에서 평균이 낮다고 해서 개별 작업의 대부분이 더 일찍 끝났다는 뜻은 아닙니다. 이 구성에서 모델을 선택할 더 강한 이유는 완료율과 비용 개선입니다.
비용
두 모델이 모두 완료한 작업에서는 모든 도구에서 GPT-6.1 Sol의 비용이 더 낮았습니다. Playwright CLI에서는 공통 작업 12개 모두, agent-browser에서는 14개 중 13개, ego-browser에서는 18개 중 17개에서 이 모델이 더 저렴했습니다. 표는 기록된 토큰 사용량의 변화와 모델 요금의 변화를 나누어 보여줍니다.
| 브라우저 도구 | GPT-6.1 Sol | GPT-6.1 Sol의 토큰 사용량에 GPT-6 Sol 요금 적용 | 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 |
각 도구에서 두 모델이 모두 성공한 공통 작업의 작업당 평균 모델 비용입니다. 계산에는 OpenAI의 표준 API 요금을 사용합니다. 두 모델 모두 캐시되지 않은 입력 토큰 백만 개당 $2.00, 출력 토큰 백만 개당 $10.00입니다. 캐시된 입력 토큰은 백만 개당 GPT-6.1 Sol이 $0.10, GPT-6 Sol이 $0.20입니다. 이는 API 요금으로 환산한 토큰 비용이며, 에이전트 구독료가 아닙니다.
실패한 시도까지 포함한 작업당 평균 모델 비용은 Playwright CLI에서 $0.410 대 $0.752, agent-browser에서 $0.586 대 $0.833, ego-browser에서 $0.430 대 $0.842였습니다. 각 모델의 자체 요금으로 모든 시도를 계산했을 때 GPT-6.1 Sol의 비용이 더 낮았습니다. 두 모델이 모두 성공한 공통 작업에서는 GPT-6 Sol 요금으로 재산정해도 비용이 더 낮았습니다.
어떤 모델을 사용할까
저희라면 여기서 시험한 pi 구성과 작업에는 추론 노력을 high로 설정한 GPT-6.1 Sol을 선택하겠습니다. 모든 도구에서 더 많은 작업에 성공했고 비용도 낮았으며, 75개 비교 중 GPT-6 Sol의 성공이 GPT-6.1 Sol의 실패로 바뀐 경우는 없었습니다. 다만 이 결과로 일관된 속도 향상을 기대하지는 않겠습니다.
여러 사이트에서 수집하는 작업에서는 성공이 30회 중 6회에서 30회 중 20회로 늘었습니다. GPT-6.1 Sol도 여전히 열 번 실패했으므로, 저희라면 반환된 표를 사용하기 전에 확인하겠습니다. 네 개의 시험용 앱 워크플로에서는 두 모델 모두 모든 시도에 성공했으므로, 모델 비용이 유용한 차이입니다.
시험한 구성에서는 추론 노력을 high로 설정하고 pi 에이전트 실행 환경, bash, 각 브라우저 도구의 skill 파일을 사용했습니다. ego-browser는 ego(lite)를 제어하고, Playwright CLI와 agent-browser는 Chrome을 제어합니다. 모델 비교에서는 각 도구의 모델 쌍 안에서 같은 도구 버전과 지침을 사용합니다.
이번 비교에서 ego(lite)의 역할
ego(lite)는 비교 대상 모델이 아니라 ego-browser가 제어한 브라우저였습니다. ego-browser 연동 가이드에 이 연결 관계가 설명되어 있습니다. 다른 구성에서는 Playwright CLI와 agent-browser가 Chrome을 제어했습니다.
도구끼리 비교하기 전에 같은 도구 안에서 두 모델 중 무엇을 쓸지 먼저 선택하세요. 각 도구의 모델 비용과 시간 평균은 해당 도구에서 두 모델이 모두 성공한 공통 작업을 기준으로 하므로, 이 평균으로 도구 간 순위를 매길 수는 없습니다. 비슷한 pi 작업에 참고할 만한 것은 기록된 완료율과 모델 비용의 절충점이며, 속도 결과는 여전히 엇갈립니다.
자주 묻는 질문
브라우저 에이전트에는 GPT-6.1 Sol이 GPT-6 Sol보다 더 좋은가요?
우리의 pi 구성에서는 GPT-6.1 Sol이 세 도구 모두에서 25개 작업 중 더 많은 작업에 성공했습니다. Playwright CLI, agent-browser, ego-browser에서 각각 19회, 20회, 24회 성공했고, GPT-6 Sol은 12회, 14회, 18회 성공했습니다. 이전 모델의 성공이 새 모델의 실패로 바뀐 비교는 없었습니다.
GPT-6.1 Sol이 GPT-6 Sol보다 저렴한가요?
두 모델이 모두 성공한 작업에서는 모든 도구에서 GPT-6.1 Sol의 평균 모델 비용이 더 낮았습니다. 작업당 비용은 각각 $0.287 대 $0.640, $0.339 대 $0.595, $0.372 대 $0.735였습니다. 기록된 토큰 사용량에 GPT-6 Sol의 요금을 적용해도 비용은 더 낮았습니다.
GPT-6.1 Sol이 GPT-6 Sol보다 빠른가요?
모델 응답 대기와 도구 실행 시간을 합하면, GPT-6.1 Sol의 평균은 두 도구에서 더 낮고 agent-browser에서는 조금 더 높았습니다. Playwright CLI, agent-browser, ego-browser의 공통 작업 중 더 빨랐던 작업은 각각 12개 중 다섯 개, 14개 중 일곱 개, 18개 중 일곱 개였습니다. 저희라면 일관된 속도보다는 완료율과 비용 때문에 선택하겠습니다.
GPT-6.1 Sol의 브라우저 사용은 무엇이 달라졌나요?
두 모델이 모두 성공한 공통 작업에서 GPT-6.1 Sol은 모든 도구에서 도구 호출을 더 적게 사용했습니다. ego-browser에서는 스크립트의 43.7%가 여러 탭을 다루거나 새 탭을 만들었고, GPT-6 Sol은 0.4%였습니다. GPT-6.1 Sol이 답변 없이 단계 한도를 모두 쓴 것은 75회 시도 중 두 번이었으며, GPT-6 Sol은 아홉 번이었습니다.
GPT-6 Sol이 성공한 작업을 GPT-6.1 Sol이 실패한 적이 있나요?
이번 25개 작업 비교에서는 없었습니다. 세 도구 전체에서 GPT-6 Sol의 실패가 GPT-6.1 Sol의 성공으로 바뀐 결과는 19개였고, 반대 방향으로 바뀐 경우는 없었습니다. 두 모델 모두 성공한 시도는 44회, 둘 다 실패한 시도는 12회였습니다.
GPT-6.1 Sol도 브라우저에서 어떤 오류를 내나요?
GPT-6.1 Sol은 세 도구 전체에서 75회 시도 중 12회 실패했습니다. 열 번은 값에 오류나 누락이 있는 답변으로 끝났고, 두 번은 단계 한도를 모두 썼습니다. 완성돼 보이는 표도 틀릴 수 있습니다.
GPT-6.1 Sol은 여러 사이트에서 데이터를 수집할 때 어떤 성능을 보였나요?
9~16개 사이트에서 같은 항목을 모으는 열 개 작업에서 GPT-6.1 Sol은 30회 중 20회, GPT-6 Sol은 30회 중 6회 성공했습니다. 이 그룹이 늘어난 성공 사례의 대부분을 차지합니다. GPT-6.1 Sol도 이 그룹에서 여전히 열 번 실패했습니다.
브라우저 도구에 따라 더 많은 작업을 완료하는 모델이 달라지나요?
시험한 세 도구 모두에서 GPT-6.1 Sol이 더 많은 작업에 성공했습니다. Playwright CLI에서는 일곱 번, agent-browser와 ego-browser에서는 각각 여섯 번 성공이 늘었습니다. 속도에 관한 절충점은 도구마다 달랐습니다.
한 웹 앱 안에서도 GPT-6.1 Sol을 사용할 만한가요?
두 모델 모두 모든 도구에서 네 개의 시험용 앱 워크플로에 전부 성공했습니다. 모델을 바꿔도 이 앱들의 완료율은 개선되지 않았지만, 평균 모델 비용은 줄었습니다. 시험한 구성에서는 비용을 이유로 GPT-6.1 Sol을 선택할 근거가 됩니다.
테스트 방법
gpt-6.1-sol과 gpt-6-sol을 추론 노력 high로 설정하고, pi 에이전트 실행 환경에서 bash와 각 브라우저 도구의 skill 파일을 사용해 실행했습니다. ego-browser 실행은 2026년 10월 22일, Playwright CLI와 agent-browser 실행은 2026년 11월 5일에 시작했습니다. 주요 실행 여섯 개 모두 같은 Apple 실리콘 Mac을 사용했으며, 작업 열 개를 동시에 실행했습니다.
주 비교에는 모델과 도구의 여섯 조합 모두에서 첫 시도 기록이 있는 25개 작업을 사용했습니다. 보관된 시도 중 적어도 하나가 나중의 특정 작업 재실행으로 대체되어 있었기 때문에, 최저임금과 MDN 호환성 작업은 모든 조합에서 제외했습니다. 집계한 시도는 2026년 10월 22일과 11월 5일의 기록입니다.
도구는 Playwright CLI 0.1.22, agent-browser 0.39.1, ego-browser v2.1.0이었습니다. 각 도구의 모델 쌍 안에서는 두 모델에 같은 도구 버전, skill 파일, 단계 한도, 작업 검사를 적용했습니다. 시도는 모델의 응답 100회까지 진행할 수 있었으며, 이후에는 프레임워크가 종료했습니다.
25개 작업은 여러 사이트 데이터 수집 열 개, 1~3개 사이트에서 정보 찾기 여덟 개, 개방형 조사 세 개, 시험용 웹 앱의 워크플로 네 개로 구성됩니다. 각 작업은 작업 정의에 따라 한 그룹에만 속합니다. 사례와 전체 결과도 같은 25개 작업을 대상으로 합니다.
시도 하나는 모델 하나가 도구 하나에서 작업 하나를 실행하는 것입니다. 도구 호출은 에이전트 도구를 실행합니다. 도구 호출을 포함한 응답 7,202회 중 7,200회는 정확히 한 번만 호출했습니다. ego-browser 스크립트는 ego-browser nodejs를 한 번 호출하는 것입니다. 성공은 완전한 결과물 제출 여부 검사를 포함해, 해당 작업에 지정된 모든 검사를 최종 답변이 충족했다는 뜻입니다.
시간은 기록된 모델 API 대기 시간과 도구 실행 시간을 합한 값이며, 단계 사이의 프레임워크 처리 시간은 제외합니다. 속도와 비용 비교는 같은 도구에서 두 모델이 모두 성공한 작업을 사용합니다. 모델 비용은 기록된 사용량에 명시한 토큰 요금을 적용한 값이며, 본문에 적힌 경우에는 실패한 시도도 포함합니다. 요금을 다시 계산할 때는 GPT-6.1 Sol의 사용량을 고정하고 GPT-6 Sol의 요금을 적용합니다.
ego-browser의 탭 사용은 모델별 전체 25회 시도에서 여러 페이지 라벨을 참조하거나 다른 페이지를 만든 스크립트를 집계했습니다. 다른 도구에서는 탭 명령이 포함된 bash 호출을 집계했습니다. 이는 인터페이스별 관찰이며, 탭을 열거나 참조한다는 사실만으로 병렬 실행을 입증하지는 않습니다.
전체 결과
각 셀은 한 번의 시도 결과, 모델 응답 대기와 도구 실행을 합한 시간(초), 모델 토큰 비용(미국 달러)을 표시합니다. 여기의 시간과 비용에는 실패도 포함되지만, 개요의 평균은 앞서 정의한 두 모델의 공통 성공 작업만 사용합니다. 집계한 모든 작업과 여섯 조합 전체를 나열했습니다.
| 작업 | 작업 유형 | 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 |
|---|---|---|---|---|---|---|---|
| 시험용 여행 앱에서 정책에 맞는 여행 예약하기 | 업무용 웹 앱 워크플로 | 통과, 197.4 초, $0.224 | 통과, 164.0 초, $0.528 | 통과, 286.8 초, $0.285 | 통과, 267.5 초, $0.427 | 통과, 177.9 초, $0.311 | 통과, 142.9 초, $0.387 |
| tier-1 서비스 모니터를 표준에 맞게 조정하기 | 업무용 웹 앱 워크플로 | 통과, 145.5 초, $0.153 | 통과, 124.1 초, $0.245 | 통과, 331.8 초, $0.414 | 통과, 283.0 초, $0.607 | 통과, 137.6 초, $0.125 | 통과, 91.3 초, $0.215 |
| 2월 청구서를 결제 내역과 맞춰 보고 이의 제기 시작하기 | 업무용 웹 앱 워크플로 | 통과, 253.0 초, $0.309 | 통과, 154.0 초, $0.362 | 통과, 520.4 초, $0.433 | 통과, 501.4 초, $1.052 | 통과, 190.6 초, $0.239 | 통과, 184.3 초, $0.420 |
| 공급업체별 재고 수준에 따라 구매 주문서 작성하기 | 업무용 웹 앱 워크플로 | 통과, 189.5 초, $0.164 | 통과, 116.4 초, $0.344 | 통과, 307.2 초, $0.244 | 통과, 367.2 초, $0.630 | 통과, 164.5 초, $0.172 | 통과, 125.2 초, $0.191 |
| Apple 미국 스토어의 MacBook 세 가지 구성 | 1~3개 사이트에서 정보 찾기 | 통과, 314.1 초, $0.367 | 통과, 357.8 초, $0.651 | 통과, 348.5 초, $0.440 | 통과, 471.0 초, $0.620 | 통과, 223.1 초, $0.483 | 통과, 191.8 초, $1.160 |
| Box Office Mojo와 Wikipedia에 있는 Wes Anderson 감독 영화 여섯 편의 흥행 수익 | 1~3개 사이트에서 정보 찾기 | 통과, 180.9 초, $0.151 | 통과, 496.1 초, $0.594 | 통과, 334.7 초, $0.339 | 통과, 487.0 초, $0.570 | 통과, 142.0 초, $0.179 | 통과, 105.2 초, $0.237 |
| Companies House에서 영국 기업 네 곳의 KYC 심사하기 | 1~3개 사이트에서 정보 찾기 | 통과, 185.8 초, $0.178 | 통과, 226.0 초, $0.583 | 통과, 579.3 초, $0.393 | 통과, 319.4 초, $0.708 | 통과, 177.9 초, $0.423 | 통과, 121.2 초, $0.529 |
| 2021년 아토피피부염 임상시험을 해당 의약품의 허가사항과 대조하기 | 1~3개 사이트에서 정보 찾기 | 통과, 332.6 초, $0.352 | 실패, 583.0 초, $0.744 | 통과, 317.1 초, $0.418 | 통과, 482.8 초, $0.857 | 통과, 234.4 초, $0.450 | 통과, 252.3 초, $0.796 |
| FRED의 CPI 계열 세 개를 BLS와 대조하기 | 1~3개 사이트에서 정보 찾기 | 통과, 441.5 초, $0.221 | 통과, 417.7 초, $0.262 | 통과, 429.0 초, $0.372 | 통과, 265.7 초, $0.922 | 통과, 97.4 초, $0.187 | 통과, 44.5 초, $0.164 |
| 항공권 검색 사이트의 경유 없는 덴버행 항공편 최저 요금 | 1~3개 사이트에서 정보 찾기 | 통과, 411.5 초, $0.471 | 실패, 616.3 초, $0.948 | 실패, 872.9 초, $1.109 | 실패, 690.9 초, $1.342 | 통과, 338.0 초, $0.609 | 통과, 385.3 초, $1.503 |
| X의 SpaceX 발사 게시물 한 주분을 Wikipedia와 대조하기 | 1~3개 사이트에서 정보 찾기 | 실패, 118.0 초, $0.088 | 실패, 363.3 초, $0.491 | 통과, 224.4 초, $0.151 | 통과, 239.4 초, $0.577 | 통과, 112.7 초, $0.183 | 통과, 499.8 초, $0.269 |
| YouTube 강의를 해당 GitHub 스크립트 및 arXiv 논문과 대조하기 | 1~3개 사이트에서 정보 찾기 | 통과, 467.3 초, $0.700 | 실패, 454.7 초, $0.922 | 통과, 221.6 초, $0.349 | 통과, 235.8 초, $0.395 | 통과, 94.7 초, $0.274 | 통과, 132.1 초, $0.574 |
| 음악 서비스 아홉 곳의 같은 앨범 표기 방식 | 다중 사이트 데이터 수집 | 실패, 440.3 초, $0.603 | 실패, 419.9 초, $1.117 | 통과, 678.2 초, $0.995 | 실패, 688.6 초, $1.068 | 실패, 180.2 초, $0.489 | 실패, 227.8 초, $1.179 |
| 열두 중앙은행의 2026년 첫 금리 결정 | 다중 사이트 데이터 수집 | 통과, 686.3 초, $0.917 | 실패, 713.3 초, $1.273 | 실패, 694.0 초, $1.008 | 실패, 674.2 초, $1.069 | 통과, 318.3 초, $0.643 | 실패, 377.3 초, $2.641 |
| 개발자 컨퍼런스 아홉 곳의 개막 키노트 | 다중 사이트 데이터 수집 | 통과, 726.0 초, $0.960 | 통과, 701.9 초, $2.388 | 통과, 507.9 초, $0.949 | 실패, 459.7 초, $1.606 | 통과, 488.4 초, $1.174 | 통과, 473.4 초, $1.495 |
| 전기 SUV 아홉 차종의 미국 사양 | 다중 사이트 데이터 수집 | 통과, 756.9 초, $0.771 | 실패, 730.6 초, $0.964 | 실패, 495.9 초, $0.801 | 실패, 595.0 초, $1.071 | 통과, 413.6 초, $0.843 | 실패, 316.8 초, $1.471 |
| Hugging Face의 오픈웨이트 모델 아홉 개에 대한 승인 검토표 | 다중 사이트 데이터 수집 | 실패, 537.6 초, $0.719 | 실패, 616.2 초, $0.986 | 통과, 651.6 초, $1.020 | 실패, 663.4 초, $1.194 | 통과, 352.8 초, $0.804 | 통과, 330.1 초, $1.198 |
| 플래그십 휴대전화 아홉 종의 영국 공식 사양 | 다중 사이트 데이터 수집 | 통과, 575.9 초, $0.635 | 실패, 642.9 초, $0.773 | 통과, 786.8 초, $0.942 | 실패, 392.0 초, $0.743 | 통과, 348.1 초, $0.704 | 실패, 270.2 초, $0.765 |
| SaaS 신뢰 센터 아홉 곳의 규정 준수 현황표 | 다중 사이트 데이터 수집 | 실패, 683.8 초, $0.577 | 실패, 560.0 초, $0.642 | 실패, 704.3 초, $0.736 | 실패, 464.7 초, $0.542 | 통과, 299.8 초, $0.592 | 실패, 185.1 초, $0.451 |
| 서버리스 플랫폼 아홉 곳의 무료 요금제 | 다중 사이트 데이터 수집 | 통과, 369.2 초, $0.395 | 통과, 441.0 초, $0.491 | 실패, 582.5 초, $0.529 | 실패, 763.6 초, $1.241 | 통과, 199.4 초, $0.360 | 통과, 267.4 초, $1.331 |
| 오픈소스 프로젝트 여덟 개의 X 및 자체 사이트 보안 릴리스 | 다중 사이트 데이터 수집 | 실패, 318.5 초, $0.392 | 실패, 334.8 초, $0.903 | 통과, 619.8 초, $0.892 | 실패, 670.8 초, $1.468 | 통과, 231.5 초, $0.441 | 통과, 434.8 초, $2.405 |
| X와 보도자료에 나온 소비자용 전자제품 출시 여덟 건 | 다중 사이트 데이터 수집 | 실패, 404.1 초, $0.401 | 실패, 397.8 초, $0.917 | 통과, 675.0 초, $0.924 | 실패, 528.6 초, $1.139 | 통과, 389.1 초, $0.541 | 실패, 567.1 초, $1.101 |
| ARC Prize 리더보드 차트의 비용과 점수 읽기 | 개방형 조사 | 통과, 171.3 초, $0.185 | 통과, 239.0 초, $1.092 | 통과, 361.3 초, $0.466 | 통과, 304.5 초, $0.357 | 통과, 84.9 초, $0.201 | 통과, 83.5 초, $0.257 |
| Epoch AI 데이터에서 EU 연산량 임계값을 넘는 모델 집계하기 | 개방형 조사 | 통과, 132.7 초, $0.132 | 통과, 57.9 초, $0.139 | 통과, 106.5 초, $0.147 | 통과, 116.1 초, $0.159 | 통과, 62.2 초, $0.090 | 통과, 99.0 초, $0.105 |
| Wikipedia의 대규모 언어 모델 목록에서 출처 열 개 추적하기 | 개방형 조사 | 통과, 340.0 초, $0.189 | 실패, 654.3 초, $0.435 | 통과, 211.0 초, $0.300 | 통과, 194.6 초, $0.451 | 통과, 169.6 초, $0.244 | 실패, 151.4 초, $0.202 |

