Как GPT-6.1 Sol показал себя с тремя инструментами для браузера

По умолчанию мы бы запускали GPT-6.1 Sol в ego(lite) через ego-browser. С ним модель завершила 27 из 28 сохранённых задач, против 23 с agent-browser и 22 с playwright-cli, и он был самым быстрым инструментом на 18 задачах, выполненных всеми тремя. При этом он не был самым дешёвым по каждому показателю: playwright-cli тратил меньше на одно выполнение и успешно справился с одной задачей поиска авиабилетов, которую ego-browser не выполнил.
Самое большое различие между браузерными инструментами с GPT-6.1 Sol проявилось в сборе данных с нескольких сайтов, когда нужно получить одни и те же поля из нескольких официальных источников. Ego-browser успешно выполнил все десять таких задач, против шести у agent-browser и семи у playwright-cli. На трёх задачах исследования и обобщения и четырёх задачах автоматизации веб-приложений в наших тестовых приложениях результаты Ego-browser, agent-browser и playwright-cli совпали, поэтому в этих двух группах выбор определяют скорость и стоимость.
При наших настройках ego-browser лидирует по успешности выполнения и скорости, а playwright-cli — по средней стоимости одного выполнения: $0.4182. Благодаря более высокой доле успешных попыток ego-browser показал самые низкие затраты на успешно выполненную задачу — $0.4646. На 18 общих задачах его средняя стоимость отличалась от средней стоимости с playwright-cli на 5.4%.
Остальные параметры теста оставались неизменными во всех попытках, поэтому приведённые ниже различия обусловлены инструментом, выполнявшим работу в браузере. Попытка — это один сохранённый запуск одной задачи из первого прохода сравнительного теста с данным инструментом.
| Инструмент для браузера | Доля успешных попыток | Среднее время на задачу | Средние учтённые затраты на задачу |
|---|---|---|---|
| ego-browser | 96.4% (27/28) | 246.7 s | $0.3352 |
| agent-browser | 82.1% (23/28) | 452.5 s | $0.4702 |
| playwright-cli | 78.6% (22/28) | 399.9 s | $0.3542 |
Доля успешных попыток рассчитана по 28 сохранённым попыткам для каждого инструмента. Время и стоимость рассчитаны по одним и тем же 18 задачам, успешно выполненным всеми тремя инструментами. Затраты — это записанные в журналах суммы в долларах США, рассчитанные по объёму использования. Для строки ego-browser использована тестовая сборка от 7 ноября 2026 года, для остальных строк — запуски от 5 ноября 2026 года.
Доля успешных попыток

У ego-browser самая высокая доля успешных попыток, и именно за полноценное выполнение мы бы платили в первую очередь: одного пропущенного поля достаточно, чтобы снова вернуться к исследованию. Он выполнил 27 из 28 задач, на четыре больше, чем agent-browser, и не провалил ни одной задачи, с которой справился agent-browser. Ego-browser выполнил шесть задач, не выполненных playwright-cli, а playwright-cli выполнил одну задачу, не выполненную ego-browser. Playwright-cli также успешно выполнил все восемь задач поиска и сравнения, а ego-browser — семь.
Agent-browser ошибался двумя способами: три ответа содержали неверные или пропущенные значения, а две попытки завершились без окончательного ответа. У Playwright-cli в пяти из шести неудачных попыток отсутствовало обязательное значение. Три из этих неудач пришлись на публикации в X, для которых он сообщил, что дата и время публикации недоступны; agent-browser успешно справился со всеми тремя такими публикациями в X.
Ещё два пропущенных значения — количество треков в Qobuz в задаче об альбоме, которую ego-browser выполнил, и количество токенов обучения Phi-4 в сравнении открытых моделей.
При сравнении авиабилетов GPT-6.1 Sol с ego-browser указал тариф выше более низкой цены, уже найденной при тех же настройках. Ответ поэтому не прошёл критерии приёмки задачи, тогда как попытка с playwright-cli была успешной. Даже в полностью заполненной таблице может оказаться то самое значение, которое меняет ваше решение.
Скорость
По скорости ego-browser сократил ожидание почти вдвое на 18 задачах, успешно выполненных всеми тремя инструментами. Среднее время составило 246.7 секунды на задачу, на 45.5% меньше, чем с agent-browser, и на 38.3% меньше, чем с playwright-cli. Он также был быстрее на 15 из 18 задач по сравнению с agent-browser и на 17 по сравнению с playwright-cli.

На одной и той же работе GPT-6.1 Sol делал меньше вызовов инструментов, где вызов инструмента — это один запрос к инструменту: 28.1 на задачу с ego-browser, 44.1 с agent-browser и 36.8 с playwright-cli. Выполнение вызовов инструментов занимало 84.4 секунды с ego-browser, против 210.0 секунды с agent-browser и 215.6 с playwright-cli.
Задача с камерами показывает разницу на обычной работе: все три инструмента завершили сравнение восьми брендов камер. GPT-6.1 Sol потратил 330.2 секунды с ego-browser, 597.2 с agent-browser и 598.5 с playwright-cli и сделал 29, 57 и 54 вызова инструментов для одного и того же принятого результата.

Стоимость
ego-browser стоит меньше, чем agent-browser, без ущерба для доли успешных попыток. На 18 общих задачах он был дешевле на 28.7% и стоил меньше на 15 из них при неизменной модели и меньшем количестве вызовов инструментов на задачу.
Playwright-cli по стоимости общих задач достаточно близок к ego-browser, поэтому мы бы не выбирали между ними только по этому показателю. Их средние значения различаются на 5.4%: ego-browser был дешевле на десяти задачах, а playwright-cli — на восьми. Если учитывать неудачи, учтённые затраты на одну успешную попытку у ego-browser ниже, чем у playwright-cli: $0.4646 против $0.5322.
Средняя стоимость всех попыток и стоимость успешно выполненной задачи отвечают на разные вопросы, поэтому мы сохраняем оба показателя. Первый показывает затраты на одно выполнение; второй делит учтённые расходы, включая неудачи, на число успешных попыток.
| Инструмент для браузера | Средние учтённые затраты на задачу по всем 28 попыткам | Учтённые затраты на успешную попытку |
|---|---|---|
| ego-browser | $0.4480 | $0.4646 |
| agent-browser | $0.5938 | $0.7229 |
| playwright-cli | $0.4182 | $0.5322 |
Эти показатели рассчитаны по тем же запускам первого прохода: ego-browser от 7 ноября 2026 года, остальные инструменты от 5 ноября 2026 года. Это записи о стоимости, рассчитанной по объёму использования, без затрат на оценку и более ранних повторных попыток, отсутствующих в сохранённых строках; это не проверенные счета.
Playwright-cli дешевле всех на одно выполнение: $0.4182. У Ego-browser самые низкие учтённые затраты на успешную попытку — $0.4646, потому что больше его запусков выполнили все требования. Ни один из этих показателей не делает ego-browser самым дешёвым на каждой задаче.
Сбор данных с нескольких сайтов
Когда GPT-6.1 Sol должен собрать одинаковые поля из нескольких официальных источников, ego-browser — наиболее очевидный выбор. Он успешно выполнил все десять задач, тогда как agent-browser — шесть, а playwright-cli — семь; здесь разрыв больше, чем в общем сравнении.
| Инструмент для браузера | Доля успешных попыток при сборе данных с нескольких сайтов |
|---|---|
| ego-browser | 100.0% (10/10) |
| agent-browser | 60.0% (6/10) |
| playwright-cli | 70.0% (7/10) |
В этой группе использованы те же запуски первого прохода, что и в обзоре: ego-browser от 7 ноября 2026 года, остальные два инструмента от 5 ноября 2026 года.

Когда нужно заполнить каждую строку, разница в три или четыре задачи определяет, можно ли вообще использовать таблицу. Эти десять задач включали решения центральных банков, характеристики продуктов и сравнение соответствия SaaS требованиям.
Задача с SaaS показывает, почему заполненная ячейка всё ещё может быть неверной. Нужно было указать статус сертификации на 30 сентября 2026 года, но и agent-browser, и playwright-cli отметили Smartsheet как сертифицированный, хотя требуемый статус был «сертификация в процессе». Попытка с ego-browser правильно воспроизвела каждое поле сравнения.
Какой инструмент мы бы выбрали
Для полных результатов исследования, особенно при сборе данных с нескольких сайтов, мы бы использовали GPT-6.1 Sol с высоким уровнем рассуждения вместе с ego-browser через pi. У этой связки была самая высокая доля успешных попыток, самое короткое ожидание на общих задачах и стоимость ниже, чем с agent-browser, и близкая к стоимости с playwright-cli.
Мы бы оставили playwright-cli, если стоимость одного выполнения важнее всего или если работа похожа на поиск и сравнение. Он успешно выполнил все восемь таких задач, тогда как ego-browser и agent-browser — по семь. Эти восемь задач поэтому не дают оснований заменять работающую конфигурацию playwright-cli.
Agent-browser выполнил на одну задачу больше, чем playwright-cli, но с более высокими учтёнными затратами, поэтому одно лишь общее число не даёт веских оснований предпочесть его. Он успешно справился с тремя публикациями в X, тогда как playwright-cli не справился ни с одной; это объясняет важную часть разницы в одну задачу.
Частые вопросы
Какой браузерный инструмент с GPT-6.1 Sol успешно завершил больше всего попыток?
ego-browser завершил больше всего: 27 успешных попыток из 28 сохранённых, против 23 у agent-browser и 22 у playwright-cli. Модель, агентная среда pi и задачи оставались неизменными; от каждого инструмента включено по одному сохранённому выполнению каждой задачи из первого прохода. Сбор данных с нескольких сайтов объясняет отрыв в четыре задачи от agent-browser.
Какой браузерный инструмент был самым быстрым с GPT-6.1 Sol?
Самым быстрым был ego-browser: в среднем 246.7 секунды на задачу по 18 задачам, успешно выполненным всеми тремя инструментами. Agent-browser в среднем затратил 452.5 секунды, а playwright-cli — 399.9 секунды с той же моделью. Ego-browser также был быстрее на 15 задачах по сравнению с agent-browser и на 17 по сравнению с playwright-cli, поэтому среднее отражает преимущество на многих задачах.
Сколько стоит браузерная задача с GPT-6.1 Sol?
На 18 общих задачах средние учтённые затраты GPT-6.1 Sol составляли $0.3352 с ego-browser, $0.4702 с agent-browser и $0.3542 с playwright-cli. По всем 28 попыткам средние значения составляли $0.4480, $0.5938 и $0.4182. Это записи стоимости выполнения, рассчитанной по объёму использования, а не проверенные счета; они не включают затраты на оценку.
Дала ли самая низкая средняя стоимость выполнения и самые низкие затраты на успешную попытку?
У Playwright-cli была самая низкая средняя стоимость выполнения — $0.4182, но у ego-browser были самые низкие учтённые затраты на успешную попытку — $0.4646. У Agent-browser затраты на успешную попытку составляли $0.7229, у playwright-cli — $0.5322. Для каждого инструмента мы взяли общую учтённую сумму расходов по 28 попыткам, включая неудачные, и разделили её на число успешных попыток.
Выиграл ли ego-browser у playwright-cli на каждой задаче?
ego-browser выполнил 6 задач, не выполненных playwright-cli, но playwright-cli выполнил 1 задачу, не выполненную ego-browser. Контрпримером стало сравнение авиабилетов: GPT-6.1 Sol с ego-browser указал тариф выше более низкой подходящей цены. Мы считаем этот ответ неудачей, хотя модель вернула таблицу.
Какой инструмент мы бы выбрали для сбора данных с нескольких сайтов?
Для сбора данных с нескольких сайтов с GPT-6.1 Sol мы бы выбрали ego-browser: он успешно завершил все 10 попыток. Agent-browser выполнил шесть, а playwright-cli — семь на тех же задачах. Сравнение SaaS показывает, почему полноценное выполнение важно: оба альтернативных инструмента использовали неверный статус сертификации на запрошенную дату.
Стали бы мы заменять playwright-cli для задач поиска и сравнения?
Мы бы не заменяли playwright-cli ради успешности выполнения в этих 8 задачах поиска и сравнения: он выполнил все 8. Ego-browser и agent-browser выполнили по 7 из них. Сравнение скорости в пользу ego-browser, поэтому в этой группе более веская причина подумать о смене инструмента — время ожидания.
Делает ли одна дополнительная успешная попытка agent-browser лучшим выбором, чем playwright-cli?
23 успешные попытки Agent-browser против 22 у playwright-cli не дают веских общих оснований предпочесть его. Agent-browser также стоил больше на общих задачах: в среднем $0.4702 на задачу против $0.3542 у playwright-cli. Их результаты зависели от задачи, включая три публикации в X, с которыми справился agent-browser и не справился playwright-cli, поэтому мы бы подбирали инструмент под работу.
Показали ли все три браузерных инструмента одинаковый результат на исследовательских задачах и задачах с веб-приложениями?
Все три инструмента успешно выполнили 3 задачи исследования и обобщения и 4 задачи автоматизации веб-приложений в наших тестовых приложениях. Эти результаты не дают оснований ранжировать инструменты внутри любой из этих групп. Наш выбор ego-browser основан на времени ожидания и учтённых затратах, а не на преимуществе по успешности выполнения в этих 7 задачах.
Изменился ли общий выбор при использовании второго прохода ego-browser?
Во втором проходе ego-browser выполнил 26 из тех же 28 задач, тогда как у agent-browser и playwright-cli остались 23 и 22 по их первым проходам. Его среднее время на 18 общих задачах составляло 252.4 секунды, против 452.5 и 399.9 секунды у остальных двух инструментов. Мы сохраняем первый проход как основной результат, а не смешиваем оба прохода ego-browser в одном рейтинге.
Как мы проводили тестирование
Мы проанализировали архивные запуски GPT-6.1 Sol с высоким уровнем рассуждения через pi 1.5.0 на macOS по зафиксированному маршруту openai-codex. В конфигурации запусков от 5 ноября 2026 года были указаны agent-browser 0.39.1 и playwright-cli 0.1.22, а тестовая сборка ego-browser local-202611071027-ba90f1c запускалась 7 ноября 2026 года. Каждая конфигурация использовала предоставленные ей skill и CLI для наблюдения за страницами и выполнения действий в браузере.
28 задач — это те, которые оба альтернативных инструмента уже запускали; они взяты из набора efficiency-20261019 на 72 задачи. Каждая задача относится к одной группе: сбор данных с нескольких сайтов, поиск и сравнение, проверка публикаций в соцсетях, исследование и обобщение или автоматизация веб-приложений.
Первый проход сравнительного теста с каждым инструментом даёт по одному сохранённому выполнению каждой задачи, то есть по 28 попыток на инструмент. Ego-browser также выполнил второй проход, результаты которого мы приводим отдельно. Лимит шагов составлял 100 ответов модели с дополнительным ограничением в 3600 секунд. Вызов инструмента — это один запрос к инструменту; успех требует, чтобы каждый обязательный результат и итоговый материал соответствовали критериям приёмки задачи.
Время и стоимость рассчитаны по 18 задачам, успешно выполненным всеми тремя инструментами. Время включает рассуждение, запросы к модели, выполнение вызовов инструментов и прочие временные затраты. Затраты — это записанные суммы в долларах США, рассчитанные по объёму использования. Инструменты запускались с разным предоставленным состоянием браузера, поэтому мы также проверили результаты без трёх публикаций в X: 24/25, 20/25 и 22/25 в том же порядке инструментов.
Полные результаты
В каждой ячейке указаны успешные попытки, затраченное время в секундах и учтённая стоимость в долларах США для сохранённого выполнения из первого прохода сравнительного теста. Время включает ожидание API модели; для каждой задачи включена одна попытка на инструмент, поэтому среднее по задаче равно значению этой попытки. В строках использован запуск ego-browser от 7 ноября 2026 года и запуски альтернативных инструментов от 5 ноября 2026 года.
| Задача | Тип работы | ego-browser | agent-browser | playwright-cli |
|---|---|---|---|---|
| Сравнить метаданные альбома в девяти сервисах | Сбор данных с нескольких сайтов | 1/1 · 307.7 s · $0.7724 | 1/1 · 740.8 s · $0.9950 | 0/1 · 524.0 s · $0.6029 |
| Собрать характеристики восьми брендов камер | Сбор данных с нескольких сайтов | 1/1 · 330.2 s · $0.4751 | 1/1 · 597.2 s · $0.6865 | 1/1 · 598.5 s · $0.5201 |
| Собрать решения двенадцати центральных банков | Сбор данных с нескольких сайтов | 1/1 · 382.8 s · $0.6578 | 0/1 · 760.3 s · $1.0079 | 1/1 · 816.4 s · $0.9166 |
| Сопоставить основные доклады конференций с записями | Сбор данных с нескольких сайтов | 1/1 · 385.6 s · $0.5659 | 1/1 · 672.0 s · $0.9489 | 1/1 · 884.2 s · $0.9596 |
| Сравнить характеристики электрических SUV | Сбор данных с нескольких сайтов | 1/1 · 633.2 s · $1.2590 | 0/1 · 748.7 s · $0.8006 | 1/1 · 981.4 s · $0.7713 |
| Сравнить карточки открытых моделей и объявления | Сбор данных с нескольких сайтов | 1/1 · 424.5 s · $0.6486 | 1/1 · 828.6 s · $1.0199 | 0/1 · 680.6 s · $0.7187 |
| Сравнить минимальную оплату труда в девяти юрисдикциях | Сбор данных с нескольких сайтов | 1/1 · 451.9 s · $0.6108 | 1/1 · 762.6 s · $1.0761 | 1/1 · 763.2 s · $0.7392 |
| Сравнить характеристики флагманских телефонов | Сбор данных с нескольких сайтов | 1/1 · 448.7 s · $0.6444 | 1/1 · 931.9 s · $0.9423 | 1/1 · 676.3 s · $0.6352 |
| Сравнить соответствие SaaS требованиям на заданную дату | Сбор данных с нескольких сайтов | 1/1 · 472.3 s · $0.6257 | 0/1 · 895.0 s · $0.7363 | 0/1 · 848.0 s · $0.5770 |
| Сравнить лимиты бесплатных тарифов serverless-платформ | Сбор данных с нескольких сайтов | 1/1 · 205.5 s · $0.3225 | 0/1 · 682.0 s · $0.5293 | 1/1 · 411.8 s · $0.3951 |
| Прочитать интерактивную таблицу лидеров ARC | Исследование и обобщение | 1/1 · 224.4 s · $0.2708 | 1/1 · 416.6 s · $0.4658 | 1/1 · 220.2 s · $0.1853 |
| Проанализировать набор данных для обучения модели | Исследование и обобщение | 1/1 · 87.1 s · $0.0809 | 1/1 · 137.7 s · $0.1474 | 1/1 · 155.5 s · $0.1321 |
| Проследить источники таблицы моделей | Исследование и обобщение | 1/1 · 285.6 s · $0.2288 | 1/1 · 245.5 s · $0.3004 | 1/1 · 377.5 s · $0.1890 |
| Сравнить и настроить ноутбуки Mac | Поиск и сравнение | 1/1 · 301.3 s · $0.6119 | 1/1 · 383.0 s · $0.4399 | 1/1 · 337.2 s · $0.3669 |
| Сопоставить данные о кассовых сборах шести фильмов | Поиск и сравнение | 1/1 · 184.9 s · $0.2034 | 1/1 · 360.5 s · $0.3394 | 1/1 · 201.6 s · $0.1506 |
| Проверить четыре компании в публичном реестре | Поиск и сравнение | 1/1 · 182.5 s · $0.2883 | 1/1 · 626.9 s · $0.3927 | 1/1 · 230.2 s · $0.1784 |
| Сопоставить клинические испытания с инструкциями к препаратам | Поиск и сравнение | 1/1 · 372.8 s · $0.4787 | 1/1 · 368.7 s · $0.4176 | 1/1 · 383.1 s · $0.3515 |
| Сопоставить ряды данных об инфляции и статистические показатели | Поиск и сравнение | 1/1 · 132.8 s · $0.1957 | 1/1 · 507.1 s · $0.3723 | 1/1 · 548.9 s · $0.2209 |
| Сравнить подходящие авиарейсы и тарифы | Поиск и сравнение | 0/1 · 341.5 s · $0.4464 | 0/1 · 986.7 s · $1.1087 | 1/1 · 504.3 s · $0.4713 |
| Сопоставить таблицы совместимости браузеров | Поиск и сравнение | 1/1 · 175.1 s · $0.1916 | 1/1 · 147.8 s · $0.2092 | 1/1 · 294.6 s · $0.1973 |
| Сопоставить лекцию, код и научную статью | Поиск и сравнение | 1/1 · 202.3 s · $0.4243 | 1/1 · 274.3 s · $0.3491 | 1/1 · 666.0 s · $0.7001 |
| Сверить публикации о безопасности в X с релизами | Проверка публикаций в соцсетях | 1/1 · 535.7 s · $0.8979 | 1/1 · 780.7 s · $0.8923 | 0/1 · 405.8 s · $0.3921 |
| Сверить публикации о продуктах в X с объявлениями | Проверка публикаций в соцсетях | 1/1 · 710.3 s · $0.7155 | 1/1 · 851.2 s · $0.9236 | 0/1 · 466.5 s · $0.4007 |
| Сопоставить публикации о запусках в X со справочными списками | Проверка публикаций в соцсетях | 1/1 · 168.9 s · $0.1650 | 1/1 · 263.9 s · $0.1505 | 0/1 · 172.0 s · $0.0880 |
| Забронировать поездку по правилам тестового приложения | Автоматизация веб-приложений | 1/1 · 194.1 s · $0.2570 | 1/1 · 303.2 s · $0.2853 | 1/1 · 208.4 s · $0.2240 |
| Обновить мониторы сервисов в тестовом приложении | Автоматизация веб-приложений | 1/1 · 137.5 s · $0.1338 | 1/1 · 419.9 s · $0.4141 | 1/1 · 152.9 s · $0.1528 |
| Сопоставить дебиторскую задолженность в тестовом приложении | Автоматизация веб-приложений | 1/1 · 227.7 s · $0.2312 | 1/1 · 628.3 s · $0.4329 | 1/1 · 291.9 s · $0.3085 |
| Создать заказы на пополнение запасов в тестовом приложении | Автоматизация веб-приложений | 1/1 · 116.8 s · $0.1415 | 1/1 · 361.8 s · $0.2437 | 1/1 · 208.4 s · $0.1640 |

