Comparamos o uso do navegador pelo GPT-6.1 Sol e pelo GPT-6 Sol com três ferramentas de navegador

Na configuração de agentes de navegador com pi que testamos, escolheríamos o GPT-6.1 Sol em vez do GPT-6 Sol por concluir mais tarefas e ter menor custo do modelo, sem esperar um ganho consistente de velocidade. Neste teste de uso do navegador pelo GPT-6.1 Sol, cada modelo executou uma vez cada uma das 25 tarefas web no Playwright CLI, no agent-browser e no ego-browser, totalizando 25 tentativas por ferramenta para cada modelo. O GPT-6.1 Sol passou em 19 de 25 tentativas no Playwright CLI, 20 de 25 no agent-browser e 24 de 25 no ego-browser. O GPT-6 Sol passou em 12, 14 e 18, respectivamente. Nas tarefas em que ambos passaram em cada ferramenta, o GPT-6.1 Sol teve médias de 275.6, 327.1 e 195.0 segundos e custos de $0.287, $0.339 e $0.372 por tarefa. O GPT-6 Sol teve médias de 291.3, 324.0 e 220.2 segundos e custos de $0.640, $0.595 e $0.735.
A maior parte dos sucessos adicionais veio da coleta de dados em vários sites: tarefas que coletam os mesmos campos de 9 a 16 sites. Nas dez tarefas desse tipo em cada ferramenta, o GPT-6.1 Sol passou em 20 de 30 tentativas, e o GPT-6 Sol passou em 6. Considerando as três ferramentas, 19 tentativas passaram de falha do GPT-6 Sol para sucesso do GPT-6.1 Sol, e nenhuma mudou no sentido contrário.
O GPT-6.1 Sol fez menos chamadas de ferramenta nas tarefas em que ambos os modelos passaram. No ego-browser, 43.7% dos seus scripts de navegador faziam referência a duas ou mais abas ou abriam uma nova aba junto de uma já existente; o GPT-6 Sol fez isso em 0.4%. Isso descreve os scripts que observamos, sem provar que o uso de abas causou os sucessos adicionais. O GPT-6.1 Sol ainda falhou em 12 das 75 tentativas, e dez falhas terminaram com uma resposta que continha um valor incorreto ou ausente.
A vantagem de custo permanece quando o consumo de tokens registrado do GPT-6.1 Sol é recalculado com as tarifas do GPT-6 Sol. Nas tarefas em que ambos passaram, esse cálculo resulta em $0.402, $0.477 e $0.523 por tarefa no Playwright CLI, no agent-browser e no ego-browser, abaixo do custo do GPT-6 Sol em cada ferramenta. A velocidade varia: a média do GPT-6.1 Sol é menor em duas ferramentas e ligeiramente maior no agent-browser, e ele é mais rápido em menos da metade das tarefas comuns em duas ferramentas.
| Modelo e ferramenta de navegador | Taxa de sucesso | Tempo médio por tarefa | Custo médio por tarefa |
|---|---|---|---|
| GPT-6.1 Sol com Playwright CLI | 76.0% (19/25) | 275.6 s | $0.287 |
| GPT-6 Sol com Playwright CLI | 48.0% (12/25) | 291.3 s | $0.640 |
| GPT-6.1 Sol com agent-browser | 80.0% (20/25) | 327.1 s | $0.339 |
| GPT-6 Sol com agent-browser | 56.0% (14/25) | 324.0 s | $0.595 |
| GPT-6.1 Sol com ego-browser | 96.0% (24/25) | 195.0 s | $0.372 |
| GPT-6 Sol com ego-browser | 72.0% (18/25) | 220.2 s | $0.735 |
A taxa de sucesso abrange as 25 tentativas de cada linha. O tempo e o custo abrangem as tarefas em que ambos os modelos passaram com aquela ferramenta: 12 no Playwright CLI, 14 no agent-browser e 18 no ego-browser. O tempo soma a espera pelo modelo à execução da ferramenta; exclui o tempo gasto pelo ambiente de teste entre os passos. Cada par de modelos com uma ferramenta é uma comparação separada, portanto esses diferentes grupos de tarefas não estabelecem uma classificação de tempo ou custo entre as ferramentas.
Taxa de sucesso
O GPT-6.1 Sol concluiu mais do trabalho testado em todas as ferramentas, com os maiores ganhos na coleta em vários sites. O Playwright CLI ganhou sete sucessos, o agent-browser ganhou seis e o ego-browser ganhou seis. No conjunto das três ferramentas, ambos os modelos passaram em 44 tentativas, somente o GPT-6.1 Sol passou em 19, e ambos falharam em 12.
| Tipo de trabalho | Tarefas por ferramenta | Playwright CLI | agent-browser | ego-browser |
|---|---|---|---|---|
| Coleta de dados em vários sites | 10 | 5 contra 2 | 6 contra 0 | 9 contra 4 |
| Consultas em um a três sites | 8 | 7 contra 4 | 7 contra 7 | 8 contra 8 |
| Pesquisa exploratória | 3 | 3 contra 2 | 3 contra 3 | 3 contra 2 |
| Fluxos de trabalho em aplicações web empresariais | 4 | 4 contra 4 | 4 contra 4 | 4 contra 4 |
Cada célula mostra os sucessos do GPT-6.1 Sol seguidos dos sucessos do GPT-6 Sol, com uma tentativa por tarefa. A mudança de modelo afeta mais a conclusão do trabalho em vários sites. Nas quatro tarefas das aplicações de teste, ambos os modelos passaram em todas as tentativas com todas as ferramentas, portanto o motivo para mudar nesse caso é o custo.
As 19 derrotas do GPT-6 Sol para o GPT-6.1 Sol se dividem em seis tentativas que esgotaram o limite de passos sem uma resposta e 13 que forneceram uma resposta com um valor incorreto ou ausente. Nas 75 tentativas, o GPT-6 Sol esgotou o limite nove vezes, e o GPT-6.1 Sol, duas vezes. Um passo é uma resposta do modelo, e cada tentativa tinha um limite de 100 passos.
A tarefa de conformidade de SaaS mostra uma derrota por resposta errada. Ela pede a situação das certificações de nove fornecedores em 30 de setembro de 2026, incluindo a autorização FedRAMP mais alta disponível para qualquer edição. No ego-browser, o GPT-6 Sol percorreu os links da página de confiança da Asana e escreveu "none" (nenhuma) para a Asana. O GPT-6.1 Sol seguiu o link Government, abriu o Asana Gov e confirmou sua autorização FedRAMP Moderate em um comunicado à imprensa.

O GPT-6.1 Sol cumpriu todas as verificações solicitadas em 38 passos. O GPT-6 Sol parou após 22 passos, e o valor incorreto para a Asana também alterou sua contagem de fornecedores autorizados.
| Campo na tabela final | Valor correto | O GPT-6 Sol escreveu |
|---|---|---|
| Asana, autorização FedRAMP mais alta | Moderate, pelo Asana Gov | none (nenhuma) |
| Fornecedores com FedRAMP Moderate ou superior | 6, incluindo a Asana | 5, sem a Asana |
As próprias falhas do GPT-6.1 Sol também precisam ser verificadas: dez das 12 tentativas malsucedidas terminaram com uma resposta que continha um valor incorreto ou ausente. Uma tabela concluída não basta para confiar em um resultado que orientará uma decisão.
Como cada modelo trabalha
O GPT-6.1 Sol usou menos chamadas de ferramenta para o mesmo trabalho concluído com sucesso. Nas tarefas comuns, teve média de 32.6 chamadas por tarefa, contra 42.3 do GPT-6 Sol no Playwright CLI, 34.1 contra 50.5 no agent-browser e 29.8 contra 40.1 no ego-browser. Uma chamada de ferramenta é uma invocação de uma ferramenta do agente, como bash ou um leitor de arquivos.
No ego-browser, 321 dos 735 scripts do GPT-6.1 Sol envolviam várias abas ou criavam uma nova; quatro dos 1 044 scripts do GPT-6 Sol faziam isso. No Playwright CLI e no agent-browser, o GPT-6.1 Sol executou comandos de abas em 15.8% e 9.3% das chamadas de bash, contra 2.5% e 2.2% do GPT-6 Sol. Os percentuais descrevem interfaces diferentes, portanto são comparações entre modelos dentro de cada ferramenta.
A tarefa dos bancos centrais mostra a diferença em um trabalho longo. Ela pede a primeira decisão de juros de 2026 em doze bancos centrais, incluindo a votação e a data do próximo anúncio. O GPT-6 Sol trabalhou com um banco por script, chegou ao décimo segundo banco no passo 90 e esgotou seu limite sem escrever a tabela. O GPT-6.1 Sol usou duas abas em 30 dos 38 scripts de navegador, chegou àquele banco no passo 35 e concluiu a tabela no passo 42.

Isso é uma evidência útil de como aquelas duas tentativas se desenrolaram, e não um teste separado da estratégia de abas. O resultado mais amplo de conclusão foi de 20 sucessos em 30 tentativas em vários sites para o GPT-6.1 Sol e de 6 em 30 para o GPT-6 Sol.
Velocidade
A velocidade não seria nosso motivo para mudar de modelo. Nas tarefas concluídas com sucesso por ambos, o GPT-6.1 Sol teve média de 275.6 segundos contra 291.3 do GPT-6 Sol no Playwright CLI, 327.1 contra 324.0 no agent-browser e 195.0 contra 220.2 no ego-browser. Essas médias incluem a espera pelo modelo e a execução da ferramenta nas mesmas tarefas dentro de cada ferramenta.
As contagens de tarefas deixam a escolha mais clara. O GPT-6.1 Sol foi mais rápido em cinco das 12 tarefas comuns no Playwright CLI, sete das 14 no agent-browser e sete das 18 no ego-browser. Sua média menor em duas ferramentas não significa que a maioria dos trabalhos individuais terminou mais cedo. Os ganhos de conclusão e custo são os motivos mais fortes para escolhê-lo nessa configuração.
Custo
O GPT-6.1 Sol custou menos nas tarefas concluídas por ambos os modelos dentro de cada ferramenta. Foi mais barato nas 12 tarefas comuns do Playwright CLI, em 13 das 14 no agent-browser e em 17 das 18 no ego-browser. A tabela separa a mudança no consumo de tokens registrado da mudança no preço do modelo.
| Ferramenta de navegador | GPT-6.1 Sol | Tokens do GPT-6.1 Sol com as tarifas do 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 |
Estes são os custos médios do modelo por tarefa, nas tarefas concluídas com sucesso por ambos os modelos em cada ferramenta. Usamos as tarifas padrão da API da OpenAI: $2.00 por milhão de tokens de entrada sem cache e $10.00 por milhão de tokens de saída para ambos os modelos. A entrada em cache custa $0.10 por milhão de tokens no GPT-6.1 Sol e $0.20 no GPT-6 Sol. Estes são custos de tokens equivalentes aos da API, e não preços de uma assinatura de agente.
Incluindo as tentativas malsucedidas, o custo médio do modelo por tarefa foi de $0.410 contra $0.752 no Playwright CLI, $0.586 contra $0.833 no agent-browser e $0.430 contra $0.842 no ego-browser. No conjunto de todas as tentativas, às tarifas de cada modelo, o GPT-6.1 Sol custou menos. Nas tarefas concluídas com sucesso por ambos, também custou menos quando recalculado com as tarifas do GPT-6 Sol.
Qual modelo usar
Escolheríamos o GPT-6.1 Sol com esforço de raciocínio alto para a configuração de pi e o trabalho representados aqui. Ele passou em mais tarefas e custou menos em cada ferramenta, e nenhuma das 75 comparações mudou de sucesso do GPT-6 Sol para falha do GPT-6.1 Sol. Não esperaríamos uma melhora consistente de velocidade a partir desses resultados.
Na coleta em vários sites, a melhora foi de 20 sucessos em 30 tentativas, contra 6 em 30. O GPT-6.1 Sol ainda falhou em dez, portanto verificaríamos as tabelas retornadas antes de usá-las. Nos quatro fluxos das aplicações de teste, ambos os modelos passaram em todas as tentativas, tornando o custo do modelo a diferença útil.
A configuração testada usou o ambiente de agentes pi, esforço de raciocínio alto, bash e o arquivo skill da ferramenta de navegador. O ego-browser controla o ego(lite), enquanto o Playwright CLI e o agent-browser controlam o Chrome. A comparação entre modelos usa a mesma versão da ferramenta e as mesmas orientações em cada par de modelos com uma ferramenta.
O papel do ego(lite) nesta comparação
O ego(lite) era o navegador controlado pelo ego-browser, e não o modelo comparado. O guia de integração do ego-browser descreve essa conexão; o Playwright CLI e o agent-browser, por sua vez, controlavam o Chrome nas outras configurações.
Escolha entre os dois modelos dentro de uma ferramenta antes de comparar ferramentas. As médias de custo do modelo e tempo de cada ferramenta usam seu próprio conjunto de tarefas concluídas com sucesso por ambos os modelos, portanto essas médias não classificam as ferramentas umas em relação às outras. O que é útil para trabalhos semelhantes com pi é a relação registrada entre conclusão e custo do modelo; os resultados de velocidade continuam variados.
Perguntas frequentes
O GPT-6.1 Sol é melhor que o GPT-6 Sol para agentes de navegador?
Na nossa configuração de pi, o GPT-6.1 Sol teve sucesso em uma parcela maior das 25 tarefas em cada uma das três ferramentas. Passou em 19, 20 e 24 tentativas no Playwright CLI, no agent-browser e no ego-browser; o GPT-6 Sol passou em 12, 14 e 18. Nenhuma dessas comparações mudou de sucesso do modelo antigo para falha do novo.
O GPT-6.1 Sol é mais barato que o GPT-6 Sol?
O custo médio do modelo GPT-6.1 Sol foi menor em todas as ferramentas nas tarefas em que ambos os modelos passaram. Os valores por tarefa foram $0.287 contra $0.640, $0.339 contra $0.595 e $0.372 contra $0.735. O consumo de tokens registrado também teria custado menos com as tarifas do GPT-6 Sol.
O GPT-6.1 Sol é mais rápido que o GPT-6 Sol?
O GPT-6.1 Sol teve uma média menor em duas ferramentas e ligeiramente maior no agent-browser, contando a espera pelo modelo mais a execução da ferramenta. Foi mais rápido em cinco das 12 tarefas comuns no Playwright CLI, sete das 14 no agent-browser e sete das 18 no ego-browser. Nós o escolheríamos pela conclusão e pelo custo, em vez de esperar uma velocidade consistentemente maior.
O que mudou no uso do navegador do GPT-6.1 Sol?
O GPT-6.1 Sol usou menos chamadas de ferramenta nas tarefas concluídas com sucesso por ambos os modelos em todas as ferramentas. No ego-browser, 43.7% dos seus scripts envolviam várias abas ou criavam uma nova, contra 0.4% do GPT-6 Sol. O GPT-6.1 Sol esgotou o limite de passos sem uma resposta duas vezes em 75 tentativas, contra nove vezes do GPT-6 Sol.
O GPT-6.1 Sol falhou em alguma tarefa em que o GPT-6 Sol passou?
Não, isso não aconteceu nessas comparações de 25 tarefas. No conjunto das três ferramentas, 19 resultados mudaram de falha do GPT-6 Sol para sucesso do GPT-6.1 Sol, e nenhum mudou no sentido contrário. Ambos os modelos passaram em 44 tentativas, e ambos falharam em 12.
O que o GPT-6.1 Sol ainda erra no navegador?
O GPT-6.1 Sol falhou em 12 das 75 tentativas nas três ferramentas. Dez terminaram com uma resposta que continha um valor incorreto ou ausente, e duas esgotaram o limite de passos. Uma tabela que parece concluída ainda pode estar errada.
Como o GPT-6.1 Sol se sai na coleta de dados em vários sites?
O GPT-6.1 Sol passou em 20 de 30 tentativas em dez tarefas que coletam os mesmos campos de 9 a 16 sites, contra 6 de 30 do GPT-6 Sol. Esse grupo fornece a maior parte dos sucessos adicionais. O GPT-6.1 Sol ainda falhou em dez tentativas nesse grupo.
A ferramenta de navegador muda qual modelo conclui mais trabalho?
O GPT-6.1 Sol passou em mais tarefas nas três ferramentas testadas. A melhora foi de sete sucessos no Playwright CLI e seis em cada uma das outras ferramentas, agent-browser e ego-browser. A relação de velocidade variou conforme a ferramenta.
Vale a pena usar o GPT-6.1 Sol dentro de uma aplicação web?
Ambos os modelos passaram nos quatro fluxos das aplicações de teste em todas as ferramentas. A mudança de modelo não melhorou a conclusão nessas aplicações, mas reduziu o custo médio do modelo. Isso apoia escolher o GPT-6.1 Sol pelo custo na configuração testada.
Como testamos
Executamos gpt-6.1-sol e gpt-6-sol com esforço de raciocínio alto pelo ambiente de agentes pi, com bash e um arquivo skill para cada ferramenta de navegador. As execuções do ego-browser começaram em 22 de outubro de 2026; as do Playwright CLI e do agent-browser começaram em 5 de novembro de 2026. As seis execuções principais usaram o mesmo Mac com Apple silicon, com dez tarefas em execução simultânea.
A comparação principal usa 25 tarefas com registros da primeira tentativa para as seis combinações de modelo e ferramenta. Excluímos as tarefas de salário mínimo e compatibilidade de MDN de todas as combinações porque pelo menos uma tentativa arquivada havia sido substituída por uma repetição posterior direcionada àquela tarefa. As tentativas contabilizadas são de 22 de outubro e 5 de novembro de 2026.
As ferramentas foram Playwright CLI 0.1.22, agent-browser 0.39.1 e ego-browser v2.1.0. Dentro de cada par de modelos com uma ferramenta, ambos usaram a mesma versão da ferramenta, o mesmo arquivo skill, o mesmo limite de passos e as mesmas verificações da tarefa. Uma tentativa podia usar 100 respostas do modelo antes de o ambiente encerrá-la.
As 25 tarefas compreendem dez tarefas de coleta de dados em vários sites, oito consultas em um a três sites, três tarefas de pesquisa exploratória e quatro fluxos de trabalho em aplicações web de teste. Cada tarefa pertence a um grupo, de acordo com sua definição. Os exemplos e os resultados completos usam o mesmo conjunto de 25 tarefas.
Uma tentativa é um modelo executando uma tarefa em uma ferramenta. Uma chamada de ferramenta invoca uma ferramenta do agente; em 7 200 das 7 202 respostas que continham chamadas de ferramenta, a resposta fez exatamente uma chamada. Um script de ego-browser é uma invocação de ego-browser nodejs. Um sucesso significa que a resposta final cumpriu todas as verificações especificadas para a tarefa, incluindo a verificação de entrega completa.
O tempo soma a espera registrada pela API do modelo ao tempo de execução da ferramenta, excluindo o tempo do ambiente entre passos. As comparações de velocidade e custo usam as tarefas em que ambos os modelos passaram dentro de uma ferramenta. Os custos do modelo são calculados aplicando as tarifas de tokens informadas ao consumo registrado, incluindo as tentativas malsucedidas quando o texto indica isso. O recálculo mantém fixo o consumo do GPT-6.1 Sol e aplica as tarifas do GPT-6 Sol.
Para o uso de abas do ego-browser, contamos os scripts que faziam referência a vários rótulos de página ou criavam outra página, nas 25 tentativas de cada modelo. Para as outras ferramentas, contamos as chamadas de bash que continham comandos de abas. Essas observações são específicas de cada interface, e abrir abas ou fazer referência a elas não prova, por si só, execução simultânea.
Resultados completos
Cada célula apresenta o resultado de uma tentativa, a espera pelo modelo mais a execução da ferramenta em segundos e o custo de tokens do modelo em dólares americanos. Os valores de tempo e custo incluem falhas; as médias do resumo usam somente as tarefas concluídas com sucesso por ambos os modelos, definidas acima. Todas as tarefas contabilizadas e as seis combinações estão listadas.
| Tarefa | Tipo de trabalho | 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 |
|---|---|---|---|---|---|---|---|
| Reservar uma viagem conforme a política em uma aplicação de viagens de teste | Fluxos de trabalho em aplicações web empresariais | Aprovado, 197.4 s, $0.224 | Aprovado, 164.0 s, $0.528 | Aprovado, 286.8 s, $0.285 | Aprovado, 267.5 s, $0.427 | Aprovado, 177.9 s, $0.311 | Aprovado, 142.9 s, $0.387 |
| Ajustar os monitores de serviços de nível 1 a um padrão | Fluxos de trabalho em aplicações web empresariais | Aprovado, 145.5 s, $0.153 | Aprovado, 124.1 s, $0.245 | Aprovado, 331.8 s, $0.414 | Aprovado, 283.0 s, $0.607 | Aprovado, 137.6 s, $0.125 | Aprovado, 91.3 s, $0.215 |
| Associar as faturas de fevereiro aos pagamentos e abrir disputas | Fluxos de trabalho em aplicações web empresariais | Aprovado, 253.0 s, $0.309 | Aprovado, 154.0 s, $0.362 | Aprovado, 520.4 s, $0.433 | Aprovado, 501.4 s, $1.052 | Aprovado, 190.6 s, $0.239 | Aprovado, 184.3 s, $0.420 |
| Criar pedidos de compra com base nos níveis de estoque por fornecedor | Fluxos de trabalho em aplicações web empresariais | Aprovado, 189.5 s, $0.164 | Aprovado, 116.4 s, $0.344 | Aprovado, 307.2 s, $0.244 | Aprovado, 367.2 s, $0.630 | Aprovado, 164.5 s, $0.172 | Aprovado, 125.2 s, $0.191 |
| Três configurações de MacBook na loja americana da Apple | Consultas em um a três sites | Aprovado, 314.1 s, $0.367 | Aprovado, 357.8 s, $0.651 | Aprovado, 348.5 s, $0.440 | Aprovado, 471.0 s, $0.620 | Aprovado, 223.1 s, $0.483 | Aprovado, 191.8 s, $1.160 |
| Bilheteria de seis filmes de Wes Anderson no Box Office Mojo e na Wikipedia | Consultas em um a três sites | Aprovado, 180.9 s, $0.151 | Aprovado, 496.1 s, $0.594 | Aprovado, 334.7 s, $0.339 | Aprovado, 487.0 s, $0.570 | Aprovado, 142.0 s, $0.179 | Aprovado, 105.2 s, $0.237 |
| Triagem KYC de quatro empresas britânicas no Companies House | Consultas em um a três sites | Aprovado, 185.8 s, $0.178 | Aprovado, 226.0 s, $0.583 | Aprovado, 579.3 s, $0.393 | Aprovado, 319.4 s, $0.708 | Aprovado, 177.9 s, $0.423 | Aprovado, 121.2 s, $0.529 |
| Ensaios de 2021 sobre dermatite atópica comparados às bulas dos medicamentos | Consultas em um a três sites | Aprovado, 332.6 s, $0.352 | Reprovado, 583.0 s, $0.744 | Aprovado, 317.1 s, $0.418 | Aprovado, 482.8 s, $0.857 | Aprovado, 234.4 s, $0.450 | Aprovado, 252.3 s, $0.796 |
| Três séries do CPI no FRED conferidas com o BLS | Consultas em um a três sites | Aprovado, 441.5 s, $0.221 | Aprovado, 417.7 s, $0.262 | Aprovado, 429.0 s, $0.372 | Aprovado, 265.7 s, $0.922 | Aprovado, 97.4 s, $0.187 | Aprovado, 44.5 s, $0.164 |
| As menores tarifas de voos sem escalas para Denver em um buscador de voos | Consultas em um a três sites | Aprovado, 411.5 s, $0.471 | Reprovado, 616.3 s, $0.948 | Reprovado, 872.9 s, $1.109 | Reprovado, 690.9 s, $1.342 | Aprovado, 338.0 s, $0.609 | Aprovado, 385.3 s, $1.503 |
| Uma semana de publicações sobre lançamentos da SpaceX no X conferidas com a Wikipedia | Consultas em um a três sites | Reprovado, 118.0 s, $0.088 | Reprovado, 363.3 s, $0.491 | Aprovado, 224.4 s, $0.151 | Aprovado, 239.4 s, $0.577 | Aprovado, 112.7 s, $0.183 | Aprovado, 499.8 s, $0.269 |
| Uma aula no YouTube conferida com seu script no GitHub e seu artigo no arXiv | Consultas em um a três sites | Aprovado, 467.3 s, $0.700 | Reprovado, 454.7 s, $0.922 | Aprovado, 221.6 s, $0.349 | Aprovado, 235.8 s, $0.395 | Aprovado, 94.7 s, $0.274 | Aprovado, 132.1 s, $0.574 |
| Como nove serviços de música apresentam um mesmo álbum | Coleta de dados em vários sites | Reprovado, 440.3 s, $0.603 | Reprovado, 419.9 s, $1.117 | Aprovado, 678.2 s, $0.995 | Reprovado, 688.6 s, $1.068 | Reprovado, 180.2 s, $0.489 | Reprovado, 227.8 s, $1.179 |
| Primeira decisão de juros de 2026 em doze bancos centrais | Coleta de dados em vários sites | Aprovado, 686.3 s, $0.917 | Reprovado, 713.3 s, $1.273 | Reprovado, 694.0 s, $1.008 | Reprovado, 674.2 s, $1.069 | Aprovado, 318.3 s, $0.643 | Reprovado, 377.3 s, $2.641 |
| Palestras de abertura de nove conferências de desenvolvedores | Coleta de dados em vários sites | Aprovado, 726.0 s, $0.960 | Aprovado, 701.9 s, $2.388 | Aprovado, 507.9 s, $0.949 | Reprovado, 459.7 s, $1.606 | Aprovado, 488.4 s, $1.174 | Aprovado, 473.4 s, $1.495 |
| Especificações para os EUA de nove SUVs elétricos | Coleta de dados em vários sites | Aprovado, 756.9 s, $0.771 | Reprovado, 730.6 s, $0.964 | Reprovado, 495.9 s, $0.801 | Reprovado, 595.0 s, $1.071 | Aprovado, 413.6 s, $0.843 | Reprovado, 316.8 s, $1.471 |
| Ficha de aprovação de nove modelos de pesos abertos no Hugging Face | Coleta de dados em vários sites | Reprovado, 537.6 s, $0.719 | Reprovado, 616.2 s, $0.986 | Aprovado, 651.6 s, $1.020 | Reprovado, 663.4 s, $1.194 | Aprovado, 352.8 s, $0.804 | Aprovado, 330.1 s, $1.198 |
| Especificações oficiais para o Reino Unido de nove celulares topo de linha | Coleta de dados em vários sites | Aprovado, 575.9 s, $0.635 | Reprovado, 642.9 s, $0.773 | Aprovado, 786.8 s, $0.942 | Reprovado, 392.0 s, $0.743 | Aprovado, 348.1 s, $0.704 | Reprovado, 270.2 s, $0.765 |
| Matriz de conformidade com base em nove centros de confiança de SaaS | Coleta de dados em vários sites | Reprovado, 683.8 s, $0.577 | Reprovado, 560.0 s, $0.642 | Reprovado, 704.3 s, $0.736 | Reprovado, 464.7 s, $0.542 | Aprovado, 299.8 s, $0.592 | Reprovado, 185.1 s, $0.451 |
| Planos gratuitos de nove plataformas serverless | Coleta de dados em vários sites | Aprovado, 369.2 s, $0.395 | Aprovado, 441.0 s, $0.491 | Reprovado, 582.5 s, $0.529 | Reprovado, 763.6 s, $1.241 | Aprovado, 199.4 s, $0.360 | Aprovado, 267.4 s, $1.331 |
| Versões de segurança de oito projetos de código aberto no X e nos seus sites | Coleta de dados em vários sites | Reprovado, 318.5 s, $0.392 | Reprovado, 334.8 s, $0.903 | Aprovado, 619.8 s, $0.892 | Reprovado, 670.8 s, $1.468 | Aprovado, 231.5 s, $0.441 | Aprovado, 434.8 s, $2.405 |
| Oito lançamentos de eletrônicos de consumo no X e em comunicados à imprensa | Coleta de dados em vários sites | Reprovado, 404.1 s, $0.401 | Reprovado, 397.8 s, $0.917 | Aprovado, 675.0 s, $0.924 | Reprovado, 528.6 s, $1.139 | Aprovado, 389.1 s, $0.541 | Reprovado, 567.1 s, $1.101 |
| Ler os custos e as pontuações no gráfico da classificação do ARC Prize | Pesquisa exploratória | Aprovado, 171.3 s, $0.185 | Aprovado, 239.0 s, $1.092 | Aprovado, 361.3 s, $0.466 | Aprovado, 304.5 s, $0.357 | Aprovado, 84.9 s, $0.201 | Aprovado, 83.5 s, $0.257 |
| Contar os modelos acima dos limiares de esforço computacional da UE nos dados da Epoch AI | Pesquisa exploratória | Aprovado, 132.7 s, $0.132 | Aprovado, 57.9 s, $0.139 | Aprovado, 106.5 s, $0.147 | Aprovado, 116.1 s, $0.159 | Aprovado, 62.2 s, $0.090 | Aprovado, 99.0 s, $0.105 |
| Rastrear dez citações da lista de grandes modelos de linguagem da Wikipedia | Pesquisa exploratória | Aprovado, 340.0 s, $0.189 | Reprovado, 654.3 s, $0.435 | Aprovado, 211.0 s, $0.300 | Aprovado, 194.6 s, $0.451 | Aprovado, 169.6 s, $0.244 | Reprovado, 151.4 s, $0.202 |

