Работа в браузере или управление компьютером? Мы проверили три инструмента на повседневных задачах — вот что получилось

Белые цветы на небесно-голубом фоне для сравнительного теста работы в браузере и управления компьютером

В веб-задачах инструмент для работы в браузере ego-browser успешно выполнил больше задач и обошёлся дешевле двух проверенных нами инструментов управления компьютером. Мы запустили ego-browser, agent-desktop и Cua Driver на семи повседневных задачах: поиск в LinkedIn и Amazon, извлечение данных из длинных страниц и тестирование веб-приложений. ego-browser успешно выполнил пять задач, agent-desktop — четыре, Cua Driver — две. На задачах, с которыми справились и ego-browser, и agent-desktop, ego-browser был намного быстрее: 193.5 секунды на задачу против 690.8. Что касается стоимости, ego-browser обошёлся дешевле, поскольку ему нужно меньше шагов для выполнения той же задачи.

Кроме того, ego-browser работает, не занимая ваш экран. agent-desktop вывел своё окно на передний план в шести из семи попыток, а у Cua Driver запрос доступа к переднему плану был зафиксирован в двух. ego-browser не отправлял таких команд. Пока ego-browser выполняет длительную задачу, вы можете продолжать работать в своём окне.

ИнструментДоля успешных попытокРасходы на успешно выполненную задачу
ego-browser71.4% (5/7 попыток)$0.063
agent-desktop57.1% (4/7 попыток)$0.174
Cua Driver28.6% (2/7 попыток)$0.352

Инструменты

ego-browser

В этом тесте ego-browser — инструмент для работы в браузере. Он работает в ego(lite), браузере для агентов на базе Chromium. На каждом шаге агент пишет короткий скрипт, который выполняется на странице с помощью JavaScript, поэтому один вызов позволяет прочитать значительную часть страницы. Каждая задача агента выполняется в собственном Space — отдельном рабочем пространстве, — не перехватывая управление мышью или фокус.

Обзор Spaces в ego(lite): задачи npm, Amazon и LinkedIn отмечены статусом Running.

На macOS установите бесплатный инструмент ego(lite) с помощью установочного скрипта из skill-файла ego-browser. На Windows скачайте установщик с сайта ego(lite). При первоначальной настройке приложение добавляет команду ego-browser, после чего skill-файл загружается в среду выполнения вашего агента.

В наших запусках ego-browser успешно выполнил 5 из 7 задач при расходах $0.063 на успешно выполненную задачу. На трёх задачах, с которыми справились и он, и agent-desktop, он сделал 26.3 вызова на задачу против 87.7.

agent-desktop

agent-desktop — инструмент управления компьютером от Vercel Labs. Он читает дерево доступности настольного приложения и возвращает его в формате JSON со ссылкой ref для каждого элемента, с которым может взаимодействовать агент. Агент нажимает на элемент или вводит текст по его ref, а затем снова читает интерфейс, чтобы проверить результат. Инструмент поставляется как CLI, поэтому внутри него не работает модель.

По умолчанию он работает в безоконном режиме: действия по ref используют API доступности, не перемещая указатель и не забирая фокус. Его глобальный флаг --headed разрешает физический ввод и смену фокуса. В наших запусках в шести из семи попыток использовалась команда focus-window для вывода окна Chrome на передний план, а в пяти — флаг --headed.

Установите его с помощью npm install -g agent-desktop или через Homebrew на macOS и Linux. Затем предоставьте разрешение на управление через функции универсального доступа (команда agent-desktop permissions --guide поможет это сделать) и загрузите его skill-файл.

В наших запусках agent-desktop успешно выполнил 4 из 7 задач при расходах $0.174 на успешно выполненную задачу. Он справился с задачей npm, с которой не справился ego-browser, и сделал 87.7 вызова на задачу на трёх задачах, успешно выполненных обоими инструментами.

Cua Driver

Cua Driver — инструмент Cua для управления нативными настольными приложениями и браузерами на macOS, Windows и Linux. Он подключается через CLI, MCP или типизированный SDK. Фоновая передача команд позволяет агенту работать, не перемещая ваш указатель и не забирая фокус, если приложение и платформа это поддерживают. Иначе используется передача команд на передний план.

На macOS или Linux установите его с помощью /bin/bash -c "$(curl -fsSL https://cua.ai/driver/install.sh)", а на Windows — с помощью irm https://cua.ai/driver/install.ps1 | iex.

В наших запусках Cua Driver успешно выполнил 2 из 7 задач при расходах $0.352 на успешно выполненную задачу. На двух задачах, с которыми он справился, он использовал 111.0 вызова на задачу против 32.5 у ego-browser.

Поиск и сохранение вакансий в LinkedIn

Эта задача ближе всего к повседневной рутине. Агент получил профиль кандидата: пять лет опыта с Rust и Go, проживает в Берлине, только удалённая работа в ЕС, зарплата не ниже €90k. Нужно было найти вакансии за последнюю неделю, прочитать каждое описание до принятия решения, сохранить пять и создать уведомление о вакансиях.

С ego-browser модель, по её собственному подсчёту, прочитала около дюжины вакансий, сохранила пять и настроила уведомление за 399 секунд, сделав 44 вызова и потратив $0.056 на токены. С Cua Driver она сделала то же самое за 670 секунд, с 107 вызовами и расходами $0.109. С agent-desktop она сделала 140 вызовов, достигла лимита в 900 секунд и так и не записала свой список.

LinkedIn: ego-browser — 399 секунд / 44 вызова; agent-desktop достигает лимита времени на 900 секундах / 140 вызовах; Cua Driver — 670 секунд / 107 вызовов.

Для процесса с фильтрами, сохранёнными элементами и уведомлением начните с ego-browser. Cua Driver тоже справился, так что задача выполнима и с ним, но вызовов потребуется более чем вдвое больше.

Извлечение данных из длинных страниц

В задаче OpenRouter агент должен был превратить длинный каталог моделей в CSV. Инструментам поручили найти модели, отвечающие нашим требованиям к длине контекстного окна, стоимости, поддержке инструментов и мультимодальности, а затем организовать сведения в нужном формате. ego-browser вернул все 36 подходящих моделей за 662 секунды, использовав 55 вызовов инструментов. agent-desktop и Cua Driver достигли лимита в 900 секунд, так и не создав CSV. В этой задаче только конфигурация с ego-browser превратила отфильтрованный каталог в список, с которым пользователь мог работать. Однако цены, указанные ego-browser, всё ещё требовали проверки: 5 из 36 цен на входные токены были неверными.

Как выглядят неудачные попытки

Если задача выполняется дольше 900 секунд, для нашего набора повседневных рутинных задач это уже слишком долго. На такие попытки пришлось 34% расходов ego-browser, 53% — agent-desktop и 74% — Cua Driver. В одной из неудачных задач все инструменты достигли лимита времени, ища и проверяя подходящие товары на Amazon, но так ничего и не добавили в корзину. Поэтому, поручая им длительную работу, учитывайте в бюджете попытки, которые не завершатся.

ego(lite) выполняет поиск мини-ПК на Amazon с почтовым индексом доставки 94105; видна плашка управления агентом.

Как запустить

Чтобы получить собственные результаты, запустите выбранную модель с уровнем усилий при рассуждении high в среде выполнения агента, с его инструментом bash и skill-файлом для каждого браузерного инструмента. ego-browser входит в состав ego(lite) и управляет им как браузером агента. Cua Driver и agent-desktop управляют Google Chrome.

Частые вопросы

Что выбрать для веб-задач с DeepSeek-V4.1-Flash: работу в браузере или управление компьютером? По нашим запускам — работу в браузере. DeepSeek-V4.1-Flash успешно выполнил 5 из 7 задач с инструментом работы в браузере ego-browser, против 4 с инструментом управления компьютером agent-desktop и 2 с Cua Driver. На 3 задачах, с которыми справились и ego-browser, и agent-desktop, ego-browser затратил 193.5 секунды на задачу против 690.8, а стоимость составила $0.023 против $0.084. Разница связана с вызовами инструментов: 26.3 на задачу против 87.7. Задачи включали поиск работы, извлечение данных, тестирование веб-приложений и покупки; все выполнялись в одной и той же среде агента. Полная конфигурация приведена в разделе «Как мы проводили тестирование».

Достаточно ли возможностей DeepSeek-V4.1-Flash для работы браузерного агента? С подходящим инструментом он может выполнять задачи за небольшую цену. С ego-browser он успешно выполнил 5 из 7 задач при расходах на токены $0.063 на успешно выполненную задачу. С agent-desktop — 4 при $0.174, а с Cua Driver — 2 при $0.352. Расходы учитывают все семь попыток, включая неудачные, поэтому у инструмента с большим числом неудач расходы на одну успешную попытку выше. Задачи включали поиск работы, извлечение данных, тестирование веб-приложений и покупки. Полная конфигурация приведена в разделе «Как мы проводили тестирование».

Перехватывает ли ego-browser управление мышью во время работы? Нет. На сайте ego(lite) сказано, что ego-browser работает в собственном Space и не перехватывает управление мышью или фокус, а в логах наших семи попыток нет команд, выводящих другое приложение на передний план. agent-desktop вывел своё окно Chrome на передний план в шести из семи попыток, а Cua Driver запросил передачу команд на передний план в двух. С этими инструментами агент занимает экран на время работы. Полная конфигурация приведена в разделе «Как мы проводили тестирование».

Работает ли ego-browser быстрее agent-desktop? Да, на каждой задаче, с которой справились оба. На 3 общих успешно выполненных задачах ego-browser затратил 193.5 секунды на задачу против 690.8. Задача Hacker News заняла 66 секунд против 442, а тест магазина из 15 сценариев — 131 против 791. Он сделал 26.3 вызова на задачу против 87.7. agent-desktop также успешно выполнил задачу npm за 701 секунду, тогда как ego-browser с ней не справился, поэтому скорость на ней сравнивать нельзя. Полная конфигурация приведена в разделе «Как мы проводили тестирование».

Обходится ли ego-browser дешевле Cua Driver? Да, на задачах, с которыми справились оба. В поиске вакансий LinkedIn и тесте магазина из 15 сценариев ego-browser стоил $0.036 на задачу против $0.092 и затратил 265.2 секунды против 634.0. Он сделал 32.5 вызова на задачу против 111.0, причём при каждом вызове история диалога отправляется заново. Cua Driver также потратил 74% своих общих расходов на попытки, достигшие лимита времени. Полная конфигурация приведена в разделе «Как мы проводили тестирование».

Как Cua Driver справляется с веб-задачами? Он успешно выполнил 2 из 7 задач: поиск вакансий в LinkedIn и тест магазина из 15 сценариев; с обеими справился и ego-browser. На остальных 5, включая задачи Hacker News и npm, он достиг лимита времени. Расходы составили $0.352 на успешно выполненную задачу против $0.063 у ego-browser. В двух успешных попытках он сделал 107 и 115 вызовов против 44 и 21 у ego-browser. Задачи выполнялись с той же моделью в той же среде агента. Полная конфигурация приведена в разделе «Как мы проводили тестирование».

Как agent-desktop выглядит в сравнении с ego-browser? agent-desktop успешно выполнил 4 из 7 задач, а ego-browser — 5. agent-desktop справился с задачей npm, которую не выполнил ego-browser. В поиске LinkedIn, фильтрации OpenRouter и поиске Amazon он достиг лимита времени. На задачах, с которыми справились оба, он был медленнее: 690.8 секунды на задачу против 193.5, а стоимость составила $0.084 против $0.023. Большая часть разницы связана с числом вызовов. Полная конфигурация приведена в разделе «Как мы проводили тестирование».

Сколько стоит попытка, в которой браузерному агенту не хватило времени? В наших запусках на это пришлась значительная доля расходов. Каждая неудачная попытка достигла лимита — 900 секунд для большинства задач. На такие попытки пришлось 34% общих расходов ego-browser в $0.315, 53% расходов agent-desktop в $0.695 и 74% расходов Cua Driver в $0.705. Cua Driver достиг лимита в 5 из 7 попыток, agent-desktop — в 3, ego-browser — в 2. Полная конфигурация приведена в разделе «Как мы проводили тестирование».

Что не удалось завершить ego-browser? Две из семи его попыток оказались неудачными, и обе достигли лимита в 900 секунд: поиск Amazon и задача npm. В списке OpenRouter он нашёл все 36 моделей, а 31 из 36 цен на входные токены совпали с API. Те же две задачи закончились неудачей и для agent-desktop с Cua Driver, за исключением npm, с которой agent-desktop справился. Результаты по задачам приведены в разделе «Полные результаты». Полная конфигурация приведена в разделе «Как мы проводили тестирование».

ego(lite) читает страницу сведений о пакете npm в ходе задачи npm; видна плашка управления агентом.

Может ли браузерный агент делать покупки на Amazon? В наших запусках — нет. Задача требовала задать почтовый индекс доставки, отфильтровать мини-ПК по RAM, SSD, цене и рейтингу, проверить страницу каждого товара, составить список из трёх и добавить один в корзину. ego-browser, agent-desktop и Cua Driver задали индекс и продолжали поиск до лимита в 900 секунд; ни один не записал список и не дошёл до корзины. Расходы составили $0.080, $0.079 и $0.122. Полная конфигурация приведена в разделе «Как мы проводили тестирование».

Как мы проводили тестирование

Мы запустили DeepSeek-V4.1-Flash (deepseek-flash в API) с уровнем усилий при рассуждении high в среде агента pi, с инструментами read, write, edit и bash и skill-файлом для каждого браузерного инструмента. ego-browser управляет ego(lite). Cua Driver 0.44.0 и agent-desktop 1.2.0 управляют Google Chrome через системное дерево доступности.

Мы выполнили 7 задач с одной попыткой на задачу и инструмент — всего 21 попытку. Автоматизация веб-приложений (2 задачи) включала поиск вакансий в LinkedIn и товаров на Amazon. Извлечение данных (3) охватывало ветку найма Hacker News, пакеты npm и модели OpenRouter. Тестирование веб-приложений (2) включало демонстрационный чат и магазин с 15 тестовыми сценариями. Для каждой попытки действовал лимит в 900 секунд, а для двух задач тестирования — 1200.

Задача считается успешно выполненной, когда инструмент записал результат, соответствующий её проверкам. Для Hacker News полнота и точность должны были составлять не менее 0.8. Для теста магазина требовались правильные вердикты в 14 из 15 случаев. Для npm нужно было, чтобы 90% полей отличались от данных реестра не более чем на 5%. Для демонстрационного чата требовались журнал сервера, соответствующий его ответам, и обнаружение как минимум двух из трёх заранее заложенных ошибок. LinkedIn и OpenRouter засчитывались после возврата запрошенного списка; совпадение цен OpenRouter указано в примечаниях ниже. Доля успеха считается по попыткам. Время и стоимость — средние значения на задачу по задачам, с которыми справились оба сравниваемых инструмента; стоимость рассчитана по прейскуранту DeepSeek.

Полные результаты

ЗадачаВид работыego-browseragent-desktopCua Driver
Найти и сохранить пять вакансий Rust с удалённой работой в ЕС в LinkedIn, затем настроить уведомление о вакансияхАвтоматизация веб-приложенийУспех (399 s, $0.056)Лимит времени (900 s, $0.131)Успех (670 s, $0.109)
Выбрать на Amazon три мини-ПК по характеристикам и рейтингу, добавить один в корзинуАвтоматизация веб-приложенийЛимит времени (900 s, $0.080)Лимит времени (900 s, $0.079)Лимит времени (900 s, $0.122)
Вакансии Rust с удалённой работой в ветке Hacker News «Who is hiring?»Извлечение данныхУспех (66 s, $0.018)Успех (442 s, $0.077)Лимит времени (900 s, $0.063)
Версия, недельные загрузки и лицензия первых 30 результатов npm по запросу keywords:validationИзвлечение данныхНеудача (900 s, $0.028)Успех (701 s, $0.074)Лимит времени (900 s, $0.078)
Отфильтровать модели OpenRouter по контексту, цене, вызову инструментов и поддержке изображений на входеИзвлечение данныхУспех (662 s, $0.081)Лимит времени (900 s, $0.160)Лимит времени (900 s, $0.145)
Выполнить 10 тестовых сценариев в демонстрационном чате через веб-интерфейс и сообщить о его ошибкахТестирование веб-приложенийУспех (383 s, $0.035)Успех (839 s, $0.066)Лимит времени (1200 s, $0.111)
Выполнить 15 тестовых сценариев в демонстрационном магазине и указать успех или неудачуТестирование веб-приложенийУспех (131 s, $0.017)Успех (791 s, $0.109)Успех (598 s, $0.076)