Avaliamos o uso do navegador pelo Claude Opus 5 com cinco ferramentas de automação do navegador em 27 tarefas web

Para o uso do navegador pelo Claude Opus 5 na nossa configuração do Claude Code, escolheríamos ego-browser para concluir mais tarefas em vários sites dentro de 100 passos. Ele também apresentou o menor tempo e custo médios nas 13 tarefas em que todas as ferramentas passaram. A maior parte da vantagem em aprovações veio de tarefas que coletam os mesmos campos em muitos sites; nas demais, o Chrome DevTools CLI passou em tantas tarefas quanto ele. Cada ferramenta executou cada uma das nossas 27 tarefas uma vez, totalizando 27 tentativas por ferramenta. O Opus 5 passou em 24 de 27 tentativas com ego-browser (88.9%), em 18 com Chrome DevTools CLI e Playwright CLI (66.7%), em 17 com Browser Use CLI (63.0%) e em 15 com agent-browser (55.6%). Nas 13 tarefas em que as cinco ferramentas passaram, ego-browser teve média de 324.6 segundos e $1.702 por tarefa. O Chrome DevTools CLI veio em seguida, com 369.5 segundos e $1.845; depois, Browser Use CLI, com 407.7 segundos e $1.975; Playwright CLI, com 495.8 segundos e $2.052; e agent-browser, com 543.6 segundos e $2.368.
A diferença está nas tarefas em vários sites: as 11 que coletam os mesmos campos de 8 a 16 sites. O Opus 5 passou em 8 delas com ego-browser e em 1 a 3 com cada uma das outras ferramentas. Com essas quatro ferramentas, o mais comum foi esgotar os 100 passos sem escrever uma resposta: isso aconteceu 7 a 9 vezes por ferramenta, contra uma vez com ego-browser. Nas outras 16 tarefas, o Chrome DevTools CLI também passou nas 16, Playwright CLI e Browser Use CLI passaram em 15, e agent-browser, em 14.
Nas nossas execuções, a diferença acompanhou a quantidade de chamadas de ferramenta necessária para o mesmo trabalho. Nas 13 tarefas em que as cinco passaram, o Opus 5 teve média de 30.3 chamadas por tarefa com ego-browser e de 41.2 a 53.7 com as outras. Com ego-browser, fez menos chamadas em 10 a 13 dessas 13 tarefas. Com ele, menos chamadas vieram acompanhadas de menos tempo de navegador, menos tokens em cache relidos e mais margem dentro do orçamento de 100 passos.
Cada ferramenta tem um ponto fraco. Com ego-browser, o Opus 5 falhou em 3 das 11 tarefas em vários sites. O Chrome DevTools CLI foi mais rápido que ego-browser em 5 das 13 tarefas em que as cinco passaram, mas passou em apenas 2 das 11 tarefas em vários sites. O tempo médio do Playwright CLI inclui uma execução de 2 127 segundos na tarefa de publicações sobre lançamentos da SpaceX. O Browser Use CLI deu 3 respostas erradas, e agent-browser esgotou os 100 passos 11 vezes, duas delas fora das tarefas em vários sites.
| Ferramenta de navegador | Taxa de sucesso | Tempo médio por tarefa | Custo médio por tarefa |
|---|---|---|---|
| ego-browser | 88.9% (24/27) | 324.6 s | $1.702 |
| Chrome DevTools CLI | 66.7% (18/27) | 369.5 s | $1.845 |
| Playwright CLI | 66.7% (18/27) | 495.8 s | $2.052 |
| Browser Use CLI | 63.0% (17/27) | 407.7 s | $1.975 |
| agent-browser | 55.6% (15/27) | 543.6 s | $2.368 |
Cada ferramenta executou cada uma das 27 tarefas uma vez; portanto, a taxa de sucesso é calculada sobre 27 tentativas por ferramenta. Tempo e custo por tarefa são médias das 13 tarefas em que as cinco ferramentas passaram; nenhuma delas era uma tarefa em vários sites. O tempo inclui a espera pelo Opus 5 e a execução de comandos do navegador, e o custo é o que o Claude Code informou para cada tentativa.
Taxa de sucesso
Com ego-browser, o Opus 5 passou no maior número de tarefas, e quase toda essa vantagem veio das 11 tarefas em vários sites. Nas outras 16, a ferramenta de navegador quase não alterou se o Opus 5 passava ou não.
| Grupo de tarefas | ego-browser | Chrome DevTools CLI | Playwright CLI | Browser Use CLI | agent-browser |
|---|---|---|---|---|---|
| Tarefas em vários sites (11) | 8 de 11 | 2 de 11 | 3 de 11 | 2 de 11 | 1 de 11 |
| Outras tarefas (16) | 16 de 16 | 16 de 16 | 15 de 16 | 15 de 16 | 14 de 16 |
| Todas as tarefas (27) | 24 de 27 | 18 de 27 | 18 de 27 | 17 de 27 | 15 de 27 |
Tentativas aprovadas em cada grupo, com uma tentativa por tarefa e ferramenta, nas execuções de 3 e 5 de novembro de 2026. Se o seu agente coleta os mesmos campos em muitos sites, a linha de tarefas em vários sites mostra onde as ferramentas diferiram.
Com as outras quatro ferramentas, a maioria das falhas veio de execuções que esgotaram os 100 passos sem uma resposta. Respostas erradas foram raras com todas as ferramentas: 1 a 3 em cada uma. Nas 11 tarefas em vários sites, o Opus 5 teve média de 73.4 chamadas de ferramenta por tentativa com ego-browser e de 91.5 a 97.0 com as outras. Cada linha abaixo soma 27 tentativas.
| Ferramenta de navegador | Aprovadas | Esgotou os 100 passos | Resposta errada |
|---|---|---|---|
| ego-browser | 24 | 1 | 2 |
| Chrome DevTools CLI | 18 | 7 | 2 |
| Playwright CLI | 18 | 8 | 1 |
| Browser Use CLI | 17 | 7 | 3 |
| agent-browser | 15 | 11 | 1 |
Nenhuma outra ferramenta passou em uma tarefa na qual ego-browser falhou. Suas três falhas —duas respostas erradas e uma execução que esgotou os 100 passos— ocorreram todas em tarefas em vários sites nas quais cada uma das outras quatro ferramentas também falhou.
A tarefa dos bancos centrais mostra o padrão. O Opus 5 precisava encontrar a primeira decisão de juros programada de 2026 de 12 bancos centrais, no site de cada banco, com data, alteração, taxa de política monetária, votos divergentes e data da próxima decisão. Com ego-browser, percorreu os bancos desde o Federal Reserve até o Reserve Bank of India e retornou corretamente as 12 linhas. Com cada uma das outras quatro ferramentas, esgotou os 100 passos antes de escrever uma resposta.

Nas outras 16 tarefas, o Chrome DevTools CLI passou em tantas quanto ego-browser. Nas tarefas em vários sites, o Opus 5 entregou uma resposta final dentro do orçamento de 100 passos em 10 de 11 com ego-browser e em 2 a 4 com as outras ferramentas. Esse é o tipo de trabalho em que daríamos mais peso à escolha.
Velocidade
Com ego-browser, o Opus 5 teve o menor tempo médio. Nas 13 tarefas em que as cinco ferramentas passaram, a média foi de 324.6 segundos por tarefa, contra 369.5 a 543.6 com as outras. Foi mais rápido que o Chrome DevTools CLI em 8 dessas 13 tarefas, que cada uma das ferramentas Playwright CLI e Browser Use CLI em 10, e que agent-browser em 11. A média do Playwright CLI inclui uma execução de 2 127 segundos na tarefa de publicações sobre lançamentos da SpaceX; por isso também examinamos a diferença tarefa por tarefa.
Em comparação com cada uma das outras ferramentas, ego-browser gastou menos tempo executando comandos do navegador e fez menos chamadas.
| Ferramenta de navegador | Chamadas de ferramenta por tarefa | Espera pelo Opus 5 por tarefa | Execução de comandos do navegador por tarefa |
|---|---|---|---|
| ego-browser | 30.3 | 222.7 s | 100.3 s |
| Chrome DevTools CLI | 41.2 | 222.4 s | 147.6 s |
| Playwright CLI | 46.0 | 253.0 s | 243.7 s |
| Browser Use CLI | 42.0 | 267.2 s | 139.4 s |
| agent-browser | 53.7 | 298.9 s | 243.3 s |
Médias das 13 tarefas em que as cinco ferramentas passaram, nas execuções de 3 e 5 de novembro de 2026.
Em comparação com o Chrome DevTools CLI, a ferramenta mais próxima, a espera pelo modelo foi quase igual, e o tempo registrado de execução dos comandos do navegador foi menor com ego-browser. O Opus 5 gastou 222.7 segundos por tarefa esperando pelo modelo com ego-browser e 222.4 com o Chrome DevTools CLI. Com ego-browser, o Opus 5 fez 30.3 chamadas em vez de 41.2 e escreveu mais por chamada: 565 tokens de saída, incluindo o raciocínio, contra 389.
A tarefa de bilheteria mostra em que as chamadas são usadas. O Opus 5 precisava conciliar as receitas de seis filmes de Wes Anderson entre Box Office Mojo e Wikipedia, e as cinco ferramentas acertaram todos os valores. Com ego-browser, passou na tarefa em 15 chamadas de ferramenta e 167 segundos; as outras quatro precisaram de 20 a 26 chamadas e de 249 a 290 segundos. A diferença surgiu na parte do Box Office Mojo: ego-browser a concluiu na chamada 10, e as outras, nas chamadas 12 a 16. Na chamada 10, um único script abriu sucessivamente as páginas de lançamento de cinco filmes e imprimiu a receita de cada um.

Custo
ego-browser também teve o menor custo médio do modelo nas tarefas em que todas as ferramentas passaram. Nessas 13 tarefas, o Opus 5 custou $1.702 por tarefa com ego-browser e de $1.845 a $2.368 com as outras. ego-browser custou menos em 8 dessas 13 tarefas em relação a cada uma das ferramentas Chrome DevTools CLI e Browser Use CLI, em 10 em relação ao Playwright CLI e em 11 em relação ao agent-browser.
O modelo e o preço são iguais em todas as ferramentas; por isso, toda a diferença está no uso, e isso aparece nas leituras de cache. Cada chamada de ferramenta acrescenta um turno, e cada turno envia novamente ao Opus 5 a conversa acumulada, cobrada em sua maior parte como leitura de cache. Com menos chamadas, o Opus 5 releu 1.32 milhão de tokens em cache por tarefa com ego-browser, contra 1.69 milhão a 2.42 milhões com as outras.
| Ferramenta de navegador | Tokens em cache lidos por tarefa | Leituras de cache | Gravações de cache | Saída |
|---|---|---|---|---|
| ego-browser | 1.32 milhão | $0.661 | $0.613 | $0.428 |
| Chrome DevTools CLI | 1.69 milhão | $0.846 | $0.597 | $0.401 |
| Playwright CLI | 1.98 milhão | $0.991 | $0.607 | $0.454 |
| Browser Use CLI | 1.75 milhão | $0.877 | $0.597 | $0.500 |
| agent-browser | 2.42 milhões | $1.210 | $0.634 | $0.523 |
Médias por tarefa nas 13 tarefas em que as cinco ferramentas passaram. O Claude Code gravou todos os tokens em cache com validade de uma hora. Os componentes usam os preços publicados pela Anthropic para Opus 5: $0.50 por milhão de tokens lidos do cache, $10 por milhão de tokens gravados no cache com validade de uma hora e $25 por milhão de tokens de saída. A soma dos três componentes difere do custo por tarefa de cada ferramenta em no máximo um décimo de centavo.
Os custos de saída e de gravação de cache ficaram próximos entre as cinco ferramentas; assim, as leituras de cache determinaram a ordem. Nas 13 tarefas em que as cinco passaram, ego-browser economizou 14.3 centavos por tarefa em relação ao Chrome DevTools CLI.
Qual ferramenta de navegador usar com Claude Opus 5
Combinaríamos Claude Opus 5 com ego-browser para o conjunto de tarefas, a configuração do Claude Code e o orçamento de 100 passos testados aqui. O Opus 5 passou no maior número de tarefas com essa ferramenta e, nas 13 em que as cinco passaram, teve o menor tempo e custo médios.
Para trabalhos em vários sites como as nossas onze tarefas, escolheríamos a configuração com ego-browser dentro desse orçamento de 100 passos. Com o orçamento de 100 passos, o Opus 5 passou em 8 das 11 tarefas com ego-browser e em 1 a 3 com cada uma das outras ferramentas. Se suas tarefas se parecem com as outras 16 —consultas em poucos sites, pesquisa a partir de uma página ou trabalho dentro de um aplicativo web—, a ferramenta importa menos para a aprovação. O Chrome DevTools CLI passou nas 16, assim como ego-browser; nas 13 tarefas em que as cinco ferramentas passaram, ego-browser levou em média 44.9 segundos a menos e custou 14.3 centavos a menos por tarefa.
Se a velocidade for o mais importante, ego-browser teve o menor tempo médio nas 13 tarefas em que as cinco ferramentas passaram, seguido do Chrome DevTools CLI. Se o custo for o mais importante, a ordem nessas tarefas foi a mesma. Playwright CLI, Browser Use CLI e agent-browser ficaram atrás dos dois em tempo e custo médios.
Nossa configuração foi Claude Opus 5 (claude-opus-5) com esforço de raciocínio alto no Claude Code, um arquivo skill para cada ferramenta de navegador e um orçamento de 100 passos por tentativa. ego-browser é fornecido junto com ego(lite) e o controla como navegador do agente; as outras quatro ferramentas controlam Google Chrome.
O papel do ego(lite) nesta comparação
ego(lite) forneceu o navegador controlado por ego-browser, enquanto Claude Code e Claude Opus 5 forneceram, respectivamente, o agente e o modelo. O guia de integração do ego-browser descreve essa conexão. Os custos informados são custos de tokens do modelo, não o preço de uma assinatura separada de navegador.
Use o detalhamento das tarefas para escolher uma configuração para trabalhos semelhantes com o orçamento de 100 passos testado. A comparação de conclusão em vários sites abrange onze tarefas, enquanto a de tempo e custo abrange as treze em que todas as ferramentas passaram. São grupos diferentes; portanto, os custos das tarefas aprovadas em comum não indicam quanto custa concluir os trabalhos mais difíceis em vários sites.
Perguntas frequentes
agent-browser ou Playwright CLI: qual é melhor para automação do navegador com Claude Code?
Com Claude Opus 5, o Playwright CLI passou em mais tentativas nas nossas execuções: 18 de 27, contra 15 do agent-browser. Nas 13 tarefas em que as cinco ferramentas passaram, o Playwright CLI teve média de 495.8 segundos e $2.052 por tarefa, e agent-browser, de 543.6 segundos e $2.368. O Playwright CLI foi mais rápido em 9 dessas 13 tarefas, embora uma execução de 2 127 segundos tenha elevado sua média. agent-browser esgotou os 100 passos em 11 tarefas, e Playwright CLI, em 8.
Chrome DevTools CLI versus Playwright CLI: qual funciona melhor com Claude Opus 5?
Os dois empataram em aprovações, com 18 de 27 tentativas cada, e o Chrome DevTools CLI teve menor tempo e custo médios. Nas 13 tarefas em que as cinco ferramentas passaram, teve média de 369.5 segundos e $1.845 por tarefa, contra 495.8 segundos e $2.052 do Playwright CLI. Tarefa por tarefa, ficaram próximos: o Chrome DevTools CLI foi mais rápido em 7 dessas 13 e mais barato em 8. Uma execução de 2 127 segundos do Playwright CLI na tarefa de publicações sobre lançamentos da SpaceX responde por quase toda a diferença de tempo.
Chrome DevTools CLI é uma boa escolha para Claude Opus 5?
Fora das tarefas em vários sites, sim: com Chrome DevTools CLI, o Opus 5 passou nas outras 16 tarefas, assim como com ego-browser. Ficou em segundo lugar em tempo e custo médios, com 369.5 segundos e $1.845 por tarefa nas 13 em que as cinco ferramentas passaram. Nas 11 tarefas em vários sites, passou em 2 e esgotou os 100 passos em 7.
Como Browser Use CLI se compara a outras ferramentas de navegador para Claude Code?
Com Browser Use CLI, o Opus 5 passou em 17 de 27 tentativas, contra 15 a 24 com as outras quatro ferramentas. Nas 13 tarefas em que as cinco passaram, ficou em terceiro lugar em tempo e custo médios, com 407.7 segundos e $1.975 por tarefa. Deu 3 respostas erradas e esgotou os 100 passos em 7 das 11 tarefas em vários sites.
Por que agentes de navegador falham em tarefas longas em vários sites?
Com nosso orçamento de 100 passos, o Claude Opus 5 falhou principalmente por esgotar os passos: com quatro das cinco ferramentas de navegador, usou os 100 passos em 7 a 9 das 11 tarefas em vários sites. Essas quatro foram Chrome DevTools CLI, Playwright CLI, Browser Use CLI e agent-browser. Com ego-browser, isso aconteceu uma vez; nessas tarefas, a média foi de 73.4 chamadas de ferramenta por tentativa com ego-browser, contra 91.5 a 97.0 com as outras.
Quanto custa uma tarefa de agente de navegador com Claude Opus 5?
Nas 13 tarefas em que as cinco ferramentas passaram, uma tarefa de navegador com Claude Opus 5 custou aproximadamente $1.70 a $2.37, dependendo da ferramenta. A maior parcela do custo corresponde aos tokens em cache relidos a cada turno, que aumentam com o número de chamadas de ferramenta.
Quanto tempo leva uma tarefa de agente de navegador com Claude Opus 5?
Nas 13 tarefas em que as cinco ferramentas passaram, o tempo por tarefa variou de 324.6 segundos com ego-browser a 543.6 com agent-browser. Nas tarefas em vários sites, as médias das cinco ferramentas variaram de 919.1 a 1112.2 segundos, contando todas as tentativas. Os dois números incluem o tempo de espera pelo Opus 5.
Quantas chamadas de ferramenta o Claude Opus 5 faz em uma tarefa de navegador?
Entre 30.3 e 53.7 por tarefa nas 13 em que as cinco ferramentas passaram, dependendo da ferramenta de navegador. ego-browser precisou de menos chamadas e agent-browser, de mais. Nas 11 tarefas em vários sites, as tentativas tiveram média de 73.4 chamadas com ego-browser e de 91.5 a 97.0 com as outras quatro.
Como a taxa de sucesso do Claude Opus 5 variou entre as configurações testadas?
Nas nossas execuções, houve diferença: com o mesmo modelo e configuração do Claude Code, o Opus 5 passou em 55.6% a 88.9% das 27 tentativas, dependendo da ferramenta de navegador. A maior parte da diferença veio das 11 tarefas em vários sites. Nas outras 16 tarefas, todas as ferramentas passaram em 14 a 16.
Há diferenças entre as ferramentas de navegador em tarefas de aplicativos web?
Não quanto à aprovação: o Opus 5 passou nas 4 tarefas dos nossos aplicativos web de teste com cada uma das cinco ferramentas. Nenhuma foi a mais rápida em mais de 2 das 4 tarefas. As ferramentas diferiram no número de chamadas necessário para o trabalho: 36.2 por tarefa com ego-browser e 47.8 a 77.2 com as outras.
Como testamos
Executamos ego-browser em 3 de novembro de 2026 e as outras quatro ferramentas em 5 de novembro de 2026, uma após a outra, todas no mesmo Apple silicon Mac mini com macOS 26.5. Todas as execuções usaram Claude Opus 5 (claude-opus-5) com esforço de raciocínio alto no Claude Code 2.1.316 e as ferramentas Bash, Read, Write, Edit e Skill. Modelo, agente, esforço, tarefas, pontuação e orçamento de passos foram iguais para todas as ferramentas. O que alteramos foi a ferramenta de navegador, seu arquivo skill e o navegador que ela controlava.
Ferramentas de navegador
Comparamos cinco ferramentas de navegador que o Claude Code controla por comandos de shell. ego-browser v2.2.0-beta.5 controlou ego(lite) 0.6.3.2: o Opus 5 escreveu scripts JavaScript, ego-browser os executou na página, e o conteúdo da página foi retornado por meio do que o script imprimia. Chrome DevTools CLI 1.10.1, Playwright CLI 0.1.22 e agent-browser 0.39.1 controlaram Google Chrome 156 por comandos para abrir páginas, capturar um snapshot dos elementos ou executar JavaScript. O Opus 5 encadeou dois ou mais desses comandos em 47.4% a 56.7% das chamadas de shell que os usaram. Browser Use CLI 0.1.13 controlou Google Chrome 156 por scripts Python com funções auxiliares para carregar páginas e executar JavaScript.
Tarefas
Usamos 27 tarefas em sites reais e aplicativos web de teste. As 11 tarefas em vários sites coletam os mesmos campos de 8 a 16 sites, como a primeira decisão de juros de 2026 de 12 bancos centrais. As outras 16 são 9 consultas em um a três sites indicados, 3 tarefas de pesquisa que começam em uma página e 4 tarefas em aplicativos web de negócios. Os exemplos incluem conciliar a bilheteria de seis filmes entre Box Office Mojo e Wikipedia, ler pontos de um gráfico passando o cursor sobre eles e reservar uma viagem de acordo com uma política de viagens.
As tarefas em vários sites são um grupo definido no próprio conjunto de tarefas: elas listam 8 ou mais itens e indicam um site separado para cada um. Cada tarefa pertence a um único grupo.
O que conta como aprovação
Cada tarefa tem itens avaliados: 190 no total das 27 tarefas. Uma tentativa só é aprovada se a resposta final acertar todos os itens avaliados; uma tentativa sem resposta final falha.
Como fizemos as contagens
Uma tentativa é uma execução de uma tarefa com uma ferramenta. Cada ferramenta executou cada tarefa uma vez, totalizando 27 tentativas; a taxa de sucesso é calculada sobre tentativas. Um passo é um turno do modelo, e cada tentativa podia usar até 100 passos, com limite de 60 minutos. Dos 8 607 passos que fizeram uma chamada de ferramenta, todos, exceto 5, fizeram exatamente uma.
Uma chamada de ferramenta é uma invocação de Bash, Read, Write, Edit ou Skill do Claude Code: por exemplo, um script de navegador, uma chamada de shell que pode encadear vários comandos ou uma leitura de arquivo. Uma tentativa conta como tendo esgotado os 100 passos quando chega ao limite sem resposta final; cada uma dessas tentativas fez 99 ou 100 chamadas de ferramenta. As contagens de chamadas vêm do log de sessão do Claude Code de cada tentativa.
O tempo é o tempo real decorrido por tentativa. Inclui a espera pela API do Opus 5 e a execução de comandos do navegador, medidos separadamente na tabela de velocidade. O custo é o que o Claude Code informou para cada tentativa segundo os preços de tabela da Anthropic para Opus 5; os tokens em cache e de saída vêm do mesmo registro. Os tokens de saída por chamada, incluindo o raciocínio, são calculados dividindo os tokens de saída por tarefa de cada ferramenta pelas chamadas de ferramenta por tarefa.
Velocidade e custo são comparados nas 13 tarefas em que as cinco ferramentas passaram. Como cada tarefa foi executada uma vez por ferramenta, o tempo e o custo de uma tarefa são os da sua única tentativa. Contagens como “mais rápido em 8 de 13 tarefas” comparam as ferramentas tarefa por tarefa. As chamadas de shell são consideradas encadeadas quando executam dois ou mais comandos da mesma ferramenta de navegador.
Resultados completos
Cada célula mostra uma tentativa: resultado, tempo real decorrido em segundos e custo. Cada ferramenta executou cada tarefa uma vez. O tempo inclui a espera pela API do Opus 5. “Esgotou todos os passos” significa que a tentativa atingiu o orçamento de 100 passos sem resposta final.
Tarefas em vários sites
| Tarefa | ego-browser | Chrome DevTools CLI | Playwright CLI | Browser Use CLI | agent-browser |
|---|---|---|---|---|---|
| Número de faixas, duração, data de lançamento e créditos de um álbum em nove serviços de música | Aprovado, 415 s, $2.42 | Resposta incorreta, 781 s, $3.88 | Aprovado, 809 s, $4.58 | Aprovado, 633 s, $3.43 | Esgotou todos os passos, 728 s, $4.58 |
| Peso, bateria, resolução e especificações de disparo contínuo de oito câmeras nos sites dos fabricantes | Aprovado, 1112 s, $5.75 | Esgotou todos os passos, 990 s, $4.63 | Esgotou todos os passos, 823 s, $4.40 | Esgotou todos os passos, 936 s, $5.37 | Esgotou todos os passos, 799 s, $4.91 |
| Primeira decisão de juros de 2026 de 12 bancos centrais, no site de cada banco | Aprovado, 899 s, $5.95 | Esgotou todos os passos, 780 s, $6.20 | Esgotou todos os passos, 604 s, $5.22 | Esgotou todos os passos, 539 s, $5.29 | Esgotou todos os passos, 766 s, $4.31 |
| Palestras de abertura de nove conferências de desenvolvedores nas programações e no YouTube | Esgotou todos os passos, 1401 s, $7.37 | Esgotou todos os passos, 1126 s, $5.80 | Esgotou todos os passos, 945 s, $5.31 | Esgotou todos os passos, 1100 s, $6.14 | Esgotou todos os passos, 962 s, $5.58 |
| Autonomia e especificações de carregamento em CC de nove SUVs elétricos nos sites americanos das montadoras | Resposta incorreta, 1020 s, $8.37 | Esgotou todos os passos, 1015 s, $5.92 | Esgotou todos os passos, 803 s, $5.31 | Esgotou todos os passos, 1084 s, $6.83 | Esgotou todos os passos, 1223 s, $6.02 |
| Tamanho, contexto, licença e tokens de treinamento de nove modelos de pesos abertos | Resposta incorreta, 749 s, $7.29 | Esgotou todos os passos, 943 s, $5.84 | Esgotou todos os passos, 741 s, $5.31 | Esgotou todos os passos, 886 s, $7.02 | Esgotou todos os passos, 1207 s, $6.46 |
| Salário mínimo legal em nove países nos sites dos ministérios do Trabalho | Aprovado, 616 s, $4.39 | Esgotou todos os passos, 1075 s, $6.20 | Aprovado, 687 s, $4.83 | Esgotou todos os passos, 724 s, $5.81 | Esgotou todos os passos, 1055 s, $5.02 |
| Peso, bateria, tela, classificação IP e política de atualizações de nove celulares nos sites britânicos das marcas | Aprovado, 745 s, $6.02 | Esgotou todos os passos, 908 s, $4.86 | Esgotou todos os passos, 778 s, $4.53 | Esgotou todos os passos, 898 s, $5.66 | Esgotou todos os passos, 786 s, $5.27 |
| Limites do plano gratuito de nove plataformas de funções sem servidor | Aprovado, 515 s, $3.81 | Aprovado, 958 s, $6.45 | Aprovado, 565 s, $4.71 | Resposta incorreta, 580 s, $3.76 | Esgotou todos os passos, 1251 s, $5.97 |
| Publicações de versões de segurança de oito projetos de código aberto no X, confrontadas com os próprios avisos | Aprovado, 1058 s, $3.83 | Aprovado, 1047 s, $4.99 | Esgotou todos os passos, 2128 s, $4.96 | Aprovado, 1805 s, $6.16 | Aprovado, 1908 s, $5.35 |
| Publicações de 2026 sobre produtos de oito marcas no X, confrontadas com seus comunicados de imprensa | Aprovado, 1580 s, $4.56 | Resposta incorreta, 849 s, $4.62 | Esgotou todos os passos, 2024 s, $5.21 | Resposta incorreta, 1832 s, $5.39 | Resposta incorreta, 1548 s, $4.76 |
Outras tarefas
| Tarefa | ego-browser | Chrome DevTools CLI | Playwright CLI | Browser Use CLI | agent-browser |
|---|---|---|---|---|---|
| Consultar preços de três modelos de MacBook com configuração de 32 GB / 1 TB na página de comparação, loja americana e páginas de especificações da Apple | Aprovado, 367 s, $3.15 | Aprovado, 374 s, $2.74 | Aprovado, 481 s, $4.91 | Aprovado, 438 s, $3.06 | Aprovado, 568 s, $3.52 |
| Conciliar as receitas de seis filmes de Wes Anderson entre Box Office Mojo e Wikipedia | Aprovado, 167 s, $0.81 | Aprovado, 290 s, $1.01 | Aprovado, 249 s, $0.89 | Aprovado, 265 s, $1.25 | Aprovado, 270 s, $0.96 |
| Retrato inicial de KYC de quatro empresas britânicas no Companies House | Aprovado, 359 s, $2.02 | Aprovado, 333 s, $1.42 | Aprovado, 319 s, $1.66 | Aprovado, 321 s, $1.42 | Aprovado, 356 s, $1.65 |
| Associar ensaios de fase 3 de dermatite atópica de 2021 no ClinicalTrials.gov às respectivas fichas de medicamentos no DailyMed | Aprovado, 391 s, $1.98 | Aprovado, 338 s, $2.15 | Aprovado, 468 s, $2.72 | Aprovado, 541 s, $2.38 | Aprovado, 475 s, $2.74 |
| Variações de dezembro em relação ao dezembro anterior do IPC, IPC subjacente e preço dos ovos no FRED, conferidas com o BLS | Aprovado, 181 s, $1.09 | Aprovado, 346 s, $1.90 | Aprovado, 395 s, $1.35 | Aprovado, 294 s, $1.48 | Aprovado, 311 s, $1.59 |
| Menores tarifas sem escalas em classe econômica para Denver a partir de três cidades em um buscador de voos | Aprovado, 766 s, $3.50 | Aprovado, 1152 s, $3.83 | Resposta incorreta, 732 s, $4.03 | Aprovado, 1008 s, $3.89 | Esgotou todos os passos, 1123 s, $5.25 |
| Decidir se seis recursos da plataforma web podem ser usados, com base no MDN e no Can I use | Aprovado, 376 s, $1.74 | Aprovado, 461 s, $2.41 | Aprovado, 420 s, $1.82 | Aprovado, 381 s, $1.51 | Aprovado, 423 s, $2.11 |
| Uma semana de publicações sobre lançamentos da SpaceX no X, conferidas com duas listas de lançamentos da Wikipedia | Aprovado, 472 s, $1.06 | Aprovado, 558 s, $1.94 | Aprovado, 2127 s, $2.15 | Aprovado, 854 s, $1.58 | Aprovado, 511 s, $1.55 |
| Notas de estudo da aula de GPT de Karpathy, conferidas entre YouTube, GitHub e arXiv | Aprovado, 245 s, $1.55 | Aprovado, 426 s, $2.75 | Aprovado, 696 s, $2.93 | Aprovado, 466 s, $2.05 | Esgotou todos os passos, 1344 s, $4.49 |
| Ler oito pontos de baixo custo passando o cursor pelo gráfico do ranking do ARC Prize | Aprovado, 294 s, $1.60 | Aprovado, 360 s, $1.87 | Aprovado, 354 s, $1.92 | Resposta incorreta, 387 s, $2.65 | Aprovado, 679 s, $2.19 |
| Contar modelos acima dos limiares de esforço computacional da UE no banco de dados de modelos do Epoch AI | Aprovado, 211 s, $1.25 | Aprovado, 210 s, $0.97 | Aprovado, 273 s, $1.57 | Aprovado, 150 s, $0.84 | Aprovado, 882 s, $1.95 |
| Rastrear dez células de uma tabela de LLMs da Wikipedia até as fontes citadas | Aprovado, 444 s, $2.11 | Aprovado, 474 s, $2.19 | Aprovado, 427 s, $2.22 | Aprovado, 335 s, $1.91 | Aprovado, 349 s, $1.73 |
| Reservar voos, um assento no corredor e um hotel próximo de acordo com a política em um aplicativo de viagens e despesas | Aprovado, 281 s, $1.91 | Aprovado, 221 s, $2.14 | Aprovado, 452 s, $2.97 | Aprovado, 403 s, $3.01 | Aprovado, 409 s, $1.98 |
| Adequar os monitores de serviços de nível 1 a um padrão escrito em um console de nuvem | Aprovado, 230 s, $1.39 | Aprovado, 202 s, $1.39 | Aprovado, 252 s, $1.69 | Aprovado, 264 s, $1.60 | Aprovado, 543 s, $3.20 |
| Conferir as faturas de fevereiro com os pagamentos e abrir contestações em um aplicativo de operações | Aprovado, 539 s, $2.53 | Aprovado, 547 s, $2.36 | Aprovado, 373 s, $1.73 | Aprovado, 681 s, $3.74 | Aprovado, 1008 s, $4.00 |
| Criar pedidos de compra por fornecedor por meio de importação CSV em um aplicativo de operações | Aprovado, 203 s, $1.08 | Aprovado, 450 s, $1.37 | Aprovado, 210 s, $1.01 | Aprovado, 376 s, $1.87 | Aprovado, 962 s, $3.81 |
