Мы сравнили работу GPT-6.1 Sol и GPT-6 Sol с браузером через три браузерных инструмента

12 мин чтения
Три увеличивающихся круга, заполненных облаками, на голубом фоне для браузерного бенчмарка GPT-6.1 Sol.

Для проверенной нами конфигурации браузерного агента pi мы бы выбрали GPT-6.1 Sol вместо GPT-6 Sol ради большего числа выполненных задач и меньшей стоимости модели, а не стабильного прироста скорости. В этом тесте работы GPT-6.1 Sol с браузером каждая модель выполнила каждую из 25 веб-задач по одному разу в Playwright CLI, agent-browser и ego-browser, то есть совершила по 25 попыток с каждым инструментом. GPT-6.1 Sol успешно выполнил 19 из 25 попыток в Playwright CLI, 20 из 25 в agent-browser и 24 из 25 в ego-browser. GPT-6 Sol — соответственно 12, 14 и 18. На задачах, которые обе модели успешно выполнили с соответствующим инструментом, GPT-6.1 Sol тратил в среднем 275.6, 327.1 и 195.0 секунды, а стоимость на задачу составляла $0.287, $0.339 и $0.372. GPT-6 Sol тратил в среднем 291.3, 324.0 и 220.2 секунды при стоимости $0.640, $0.595 и $0.735.

Большинство дополнительных успехов пришлось на сбор данных с нескольких сайтов — задачи, где нужно собрать одинаковые поля с 9–16 сайтов. На десяти таких задачах в каждом инструменте GPT-6.1 Sol успешно выполнил 20 из 30 попыток, а GPT-6 Sol — 6. По всем трём инструментам в 19 случаях неудача GPT-6 Sol сменилась успехом GPT-6.1 Sol; обратных изменений не было.

GPT-6.1 Sol делал меньше вызовов инструментов на задачах, которые обе модели успешно выполнили. В ego-browser 43.7% его браузерных скриптов обращались к двум или более вкладкам либо открывали новую рядом с уже существующей; у GPT-6 Sol это происходило в 0.4%. Это описание наблюдавшихся скриптов, а не доказательство того, что именно вкладки обеспечили дополнительные успехи. GPT-6.1 Sol всё же провалил 12 из 75 попыток; десять неудач закончились ответом с неправильным или отсутствующим значением.

Преимущество в стоимости сохраняется, даже если оценить зафиксированный расход токенов GPT-6.1 Sol по расценкам GPT-6 Sol. Для задач, успешно выполненных обеими моделями, расчёт даёт $0.402, $0.477 и $0.523 на задачу в Playwright CLI, agent-browser и ego-browser — ниже стоимости GPT-6 Sol в каждом инструменте. Со скоростью картина неоднозначна: среднее время GPT-6.1 Sol ниже в двух инструментах и чуть выше в agent-browser, а в двух инструментах он быстрее менее чем на половине общих задач.

Модель и браузерный инструментДоля успешных попытокСреднее время на задачуСредняя стоимость на задачу
GPT-6.1 Sol с Playwright CLI76.0% (19/25)275.6 s$0.287
GPT-6 Sol с Playwright CLI48.0% (12/25)291.3 s$0.640
GPT-6.1 Sol с agent-browser80.0% (20/25)327.1 s$0.339
GPT-6 Sol с agent-browser56.0% (14/25)324.0 s$0.595
GPT-6.1 Sol с ego-browser96.0% (24/25)195.0 s$0.372
GPT-6 Sol с ego-browser72.0% (18/25)220.2 s$0.735

Доля успешных попыток учитывает все 25 попыток в каждой строке. Время и стоимость рассчитаны по задачам, которые обе модели успешно выполнили с соответствующим инструментом: 12 в Playwright CLI, 14 в agent-browser и 18 в ego-browser. Время складывается из ожидания модели и выполнения инструментов; оно не включает время, которое тестовая среда затрачивает между шагами. Каждая пара моделей внутри инструмента — отдельное сравнение, поэтому эти разные группы задач не позволяют ранжировать инструменты по времени или стоимости.

Доля успешных попыток

GPT-6.1 Sol успешно выполнил больше проверенных задач с каждым инструментом; наибольший прирост пришёлся на сбор данных с нескольких сайтов. В Playwright CLI добавилось семь успешных попыток, в agent-browser — шесть и в ego-browser — шесть. По трём инструментам 44 попытки были успешны у обеих моделей, 19 — только у GPT-6.1 Sol, а 12 были неудачными у обеих.

Вид работыЗадачи на инструментPlaywright CLIagent-browserego-browser
Сбор данных с нескольких сайтов105 против 26 против 09 против 4
Поиск информации на одном–трёх сайтах87 против 47 против 78 против 8
Исследование без жёстких рамок33 против 23 против 33 против 2
Рабочие процессы в бизнес-веб-приложениях44 против 44 против 44 против 4

В каждой ячейке сначала указано число успешных попыток GPT-6.1 Sol, затем GPT-6 Sol; на каждую задачу приходится одна попытка. Смена модели сильнее всего влияет на успешное выполнение работы с несколькими сайтами. На четырёх задачах в тестовых приложениях обе модели успешно выполнили все попытки с каждым инструментом, поэтому здесь повод для перехода — стоимость.

19 случаев, в которых GPT-6 Sol уступил GPT-6.1 Sol, делятся на шесть попыток, исчерпавших лимит шагов без ответа, и 13 с ответом, содержащим неправильное или отсутствующее значение. По всем 75 попыткам GPT-6 Sol исчерпал лимит девять раз, а GPT-6.1 Sol — дважды. Шаг — это один ответ модели; для каждой попытки действовал лимит в 100 шагов.

Задача по проверке соответствия поставщиков SaaS требованиям показывает неудачу из-за неправильного ответа. В ней запрашиваются сертификации девяти поставщиков по состоянию на 30 сентября 2026 года, включая наивысший уровень авторизации FedRAMP среди всех редакций продукта. В ego-browser GPT-6 Sol просмотрел ссылки на странице доверия Asana и указал для Asana «none» («нет»). GPT-6.1 Sol перешёл по ссылке Government, открыл Asana Gov и подтвердил его авторизацию FedRAMP Moderate по пресс-релизу.

Воспроизведение записанных браузерных команд на текущей странице Asana Gov, где указана сертификация FedRAMP Moderate
Воспроизведение шага 21 из 38 в задаче GPT-6.1 Sol по проверке соответствия поставщиков SaaS требованиям. На текущей странице указана сертификация FedRAMP Moderate; в запуске 22 октября была зафиксирована авторизация. Исходный запуск: 22 октября 2026 года. Снимок воспроизведения сделан 10 ноября 2026 года. Открыть изображение в полном размере

За 38 шагов GPT-6.1 Sol выдал результат, удовлетворяющий всем заданным критериям проверки. GPT-6 Sol остановился после 22 шагов; неправильное значение для Asana также изменило подсчитанное им число авторизованных поставщиков.

Поле в итоговой таблицеПравильное значениеЧто написал GPT-6 Sol
Asana: высший уровень авторизации FedRAMPModerate, через Asana Govnone («нет»)
Поставщики с FedRAMP Moderate или выше6, включая Asana5, без Asana

Неудачи самого GPT-6.1 Sol тоже нужно проверять: десять из его 12 неудач закончились ответом с неправильным или отсутствующим значением. Готовой таблицы недостаточно, чтобы доверять результату, на основе которого принимается решение.

Как работает каждая модель

GPT-6.1 Sol использовал меньше вызовов инструментов для одной и той же успешно выполненной работы. На общих задачах в Playwright CLI он делал в среднем 32.6 вызова на задачу против 42.3 у GPT-6 Sol, в agent-browser — 34.1 против 50.5, а в ego-browser — 29.8 против 40.1. Вызов инструмента — это одно обращение к инструменту агента, например bash или средству чтения файлов.

В ego-browser 321 из 735 скриптов GPT-6.1 Sol задействовал несколько вкладок или создавал новую; у GPT-6 Sol так работали четыре из 1044 скриптов. В Playwright CLI и agent-browser GPT-6.1 Sol выполнял команды для вкладок в 15.8% и 9.3% вызовов bash против 2.5% и 2.2% у GPT-6 Sol. Проценты описывают разные интерфейсы, поэтому сравнивать по ним следует модели внутри каждого инструмента.

Задача о центральных банках показывает разницу в долгой работе. В ней нужно найти первое решение по ставке в 2026 году для двенадцати центральных банков, включая результаты голосования и дату следующего объявления. GPT-6 Sol проходил по одному банку на скрипт, дошёл до двенадцатого на шаге 90 и исчерпал лимит, так и не составив таблицу. GPT-6.1 Sol использовал две вкладки в 30 из 38 браузерных скриптов, дошёл до этого банка на шаге 35 и завершил таблицу на шаге 42.

Воспроизведение записанных браузерных команд: окно браузера под управлением агента с календарём FOMC Федеральной резервной системы и решениями ЕЦБ по денежно-кредитной политике в двух вкладках
Воспроизведение записанных команд. GPT-6.1 Sol в ego-browser в задаче о центральных банках: загружает календарь FOMC Федеральной резервной системы и решения ЕЦБ в двух вкладках. Шаг 6 из 42. Исходный запуск: 22 октября 2026 года. Снимок воспроизведения сделан в ego(lite) 10 ноября 2026 года. Открыть изображение в полном размере

Это полезное свидетельство того, как проходили две эти попытки, а не отдельный эксперимент со стратегией вкладок. Более общий результат успешного выполнения задач с несколькими сайтами — 20 из 30 попыток у GPT-6.1 Sol и 6 из 30 у GPT-6 Sol.

Скорость

Скорость не была бы для нас причиной сменить модель. На общих успешно выполненных задачах GPT-6.1 Sol тратил в среднем 275.6 секунды против 291.3 у GPT-6 Sol в Playwright CLI, 327.1 против 324.0 в agent-browser и 195.0 против 220.2 в ego-browser. Эти средние учитывают ожидание модели и выполнение инструментов на одних и тех же задачах внутри каждого инструмента.

Число задач яснее показывает компромисс. GPT-6.1 Sol был быстрее на пяти из 12 общих задач в Playwright CLI, семи из 14 в agent-browser и семи из 18 в ego-browser. Более низкое среднее время в двух инструментах не означает, что большинство отдельных задач завершалось быстрее. Более веские причины выбрать его в этой конфигурации — успешное выполнение и стоимость.

Стоимость

GPT-6.1 Sol стоил меньше при выполнении задач, с которыми обе модели справились в соответствующем инструменте. Он был дешевле на всех 12 общих задачах в Playwright CLI, на 13 из 14 в agent-browser и на 17 из 18 в ego-browser. Таблица отделяет изменение зафиксированного расхода токенов от изменения расценок модели.

Браузерный инструментGPT-6.1 SolТокены GPT-6.1 Sol по расценкам GPT-6 SolGPT-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

Это средняя стоимость модели на задачу для общих успешно выполненных задач каждого инструмента. Мы используем стандартные тарифы API OpenAI: $2.00 за миллион некэшированных входных токенов и $10.00 за миллион выходных токенов для обеих моделей. Кэшированный ввод стоит $0.10 за миллион токенов у GPT-6.1 Sol и $0.20 у GPT-6 Sol. Это затраты на токены, рассчитанные по тарифам API, а не стоимость подписки на агента.

С учётом неудачных попыток средняя стоимость модели на задачу составляла $0.410 против $0.752 в Playwright CLI, $0.586 против $0.833 в agent-browser и $0.430 против $0.842 в ego-browser. По всем попыткам и по собственным расценкам каждой модели GPT-6.1 Sol стоил меньше. На общих успешно выполненных задачах он также стоил меньше при пересчёте по расценкам GPT-6 Sol.

Какую модель выбрать

Для представленных здесь конфигурации pi и работы мы бы выбрали GPT-6.1 Sol с высоким уровнем усилий на рассуждение. Он успешно выполнил больше задач и стоил меньше в каждом инструменте; ни в одном из 75 сопоставлений успех GPT-6 Sol не сменился неудачей GPT-6.1 Sol. Мы не ожидали бы стабильного повышения скорости по этим результатам.

В сборе данных с нескольких сайтов улучшение составило 20 успешных попыток из 30 против 6 из 30. GPT-6.1 Sol всё же провалил десять, поэтому мы бы проверяли полученные таблицы перед использованием. На четырёх рабочих процессах в тестовых приложениях обе модели успешно выполнили все попытки, поэтому полезное различие здесь — стоимость модели.

Проверенная конфигурация включала агентную среду pi, высокий уровень усилий на рассуждение, bash и файл навыка браузерного инструмента. ego-browser управляет ego(lite), а Playwright CLI и agent-browser — Chrome. При сравнении моделей внутри каждой пары используются одна и та же версия инструмента и одни и те же инструкции.

Роль ego(lite) в этом сравнении

ego(lite) — это браузер под управлением ego-browser, а не сравниваемая модель. Руководство по интеграции ego-browser описывает эту связь; Playwright CLI и agent-browser в других конфигурациях управляли Chrome.

Прежде чем сравнивать инструменты, выбирайте между двумя моделями внутри одного инструмента. Средняя стоимость модели и время для каждого инструмента рассчитаны по его собственной группе общих успешно выполненных задач, поэтому эти средние не ранжируют инструменты между собой. Для похожей работы в pi полезен зафиксированный компромисс между успешным выполнением и стоимостью модели; результаты по скорости остаются неоднозначными.

Частые вопросы

Лучше ли GPT-6.1 Sol, чем GPT-6 Sol, для браузерных агентов?

В нашей конфигурации pi GPT-6.1 Sol успешно выполнил больше задач из 25 во всех трёх инструментах. Он успешно выполнил 19, 20 и 24 попытки в Playwright CLI, agent-browser и ego-browser, а GPT-6 Sol — 12, 14 и 18. Ни в одном сопоставлении успех старой модели не сменился неудачей новой.

Дешевле ли GPT-6.1 Sol, чем GPT-6 Sol?

Средняя стоимость модели GPT-6.1 Sol была ниже с каждым инструментом на задачах, успешно выполненных обеими моделями. Показатели на задачу составляли $0.287 против $0.640, $0.339 против $0.595 и $0.372 против $0.735. Его зафиксированный расход токенов всё равно стоил бы меньше по расценкам GPT-6 Sol.

Быстрее ли GPT-6.1 Sol, чем GPT-6 Sol?

По времени ожидания модели вместе с выполнением инструментов GPT-6.1 Sol имел более низкое среднее в двух инструментах и чуть более высокое в agent-browser. Он был быстрее на пяти из 12, семи из 14 и семи из 18 общих задач в Playwright CLI, agent-browser и ego-browser. Мы бы выбирали его ради успешного выполнения и стоимости, а не стабильной скорости.

Что изменилось в работе GPT-6.1 Sol с браузером?

GPT-6.1 Sol делал меньше вызовов инструментов на общих успешно выполненных задачах в каждом инструменте. В ego-browser 43.7% его скриптов задействовали несколько вкладок или создавали новую против 0.4% у GPT-6 Sol. GPT-6.1 Sol исчерпал лимит шагов без ответа дважды за 75 попыток, а GPT-6 Sol — девять раз.

Провалил ли GPT-6.1 Sol задачи, с которыми справился GPT-6 Sol?

Нет, в этих сравнениях на 25 задачах таких случаев не было. По трём инструментам в 19 случаях неудача GPT-6 Sol сменилась успехом GPT-6.1 Sol; обратных изменений не было. 44 попытки были успешны у обеих моделей, а 12 — неудачны у обеих.

В чём GPT-6.1 Sol по-прежнему ошибается в браузере?

GPT-6.1 Sol провалил 12 из 75 попыток по трём инструментам. Десять закончились ответом с неправильным или отсутствующим значением, а две — исчерпанием лимита шагов. Таблица, которая выглядит готовой, всё ещё может быть неправильной.

Как GPT-6.1 Sol справляется со сбором данных с нескольких сайтов?

GPT-6.1 Sol успешно выполнил 20 из 30 попыток на десяти задачах по сбору одинаковых полей с 9–16 сайтов, а GPT-6 Sol — 6 из 30. На эту группу приходится большинство дополнительных успехов. GPT-6.1 Sol всё же провалил в ней десять попыток.

Меняет ли браузерный инструмент то, какая модель выполняет больше задач?

GPT-6.1 Sol успешно выполнил больше задач во всех трёх проверенных инструментах. Прирост составил семь успешных попыток в Playwright CLI и по шесть в agent-browser и ego-browser. Компромисс по скорости различался в зависимости от инструмента.

Стоит ли использовать GPT-6.1 Sol внутри одного веб-приложения?

Обе модели успешно выполнили все четыре рабочих процесса в тестовых приложениях с каждым инструментом. Смена модели не повысила успешность выполнения в этих приложениях, но снизила среднюю стоимость модели. Это даёт основания выбирать GPT-6.1 Sol ради стоимости в проверенной конфигурации.

Как мы проводили тестирование

Мы запускали gpt-6.1-sol и gpt-6-sol с высоким уровнем усилий на рассуждение через агентную среду pi, с bash и файлом навыка для каждого браузерного инструмента. Запуски ego-browser начались 22 октября 2026 года, Playwright CLI и agent-browser — 5 ноября 2026 года. Все шесть основных запусков использовали один и тот же Mac на Apple silicon; одновременно выполнялось десять задач.

Основное сравнение охватывает 25 задач с записями первых попыток для всех шести сочетаний моделей и инструментов. Мы исключили задачи о минимальной зарплате и совместимости MDN из всех сочетаний, потому что как минимум одна архивная попытка была заменена более поздним целевым повторным запуском. Учтённые попытки относятся к 22 октября и 5 ноября 2026 года.

Инструменты: Playwright CLI 0.1.22, agent-browser 0.39.1 и ego-browser v2.1.0. Внутри каждой пары обе модели использовали одну и ту же версию инструмента, файл навыка, лимит шагов и проверки задач. В попытке модель могла дать 100 ответов, после чего тестовая среда её завершала.

25 задач включают десять задач по сбору данных с нескольких сайтов, восемь поисков информации на одном–трёх сайтах, три исследовательские задачи без жёстких рамок и четыре рабочих процесса в тестовых веб-приложениях. Каждая задача относится к одной группе согласно своему определению. Примеры и полные результаты охватывают те же 25 задач.

Попытка — это выполнение одной задачи одной моделью с одним инструментом. Вызов инструмента обращается к инструменту агента; в 7200 из 7202 ответов, содержащих вызовы инструментов, содержался ровно один вызов. Скрипт ego-browser — это один вызов ego-browser nodejs. Успех означает, что окончательный ответ прошёл все предусмотренные для задачи проверки, включая проверку полноты результата.

Время складывается из зафиксированного времени ожидания API модели и времени выполнения инструментов; время тестовой среды между шагами исключено. Скорость и стоимость сравниваются по задачам, которые обе модели успешно выполнили внутри одного инструмента. Стоимость модели рассчитывается по указанным тарифам токенов и зафиксированному расходу токенов, включая неудачные попытки там, где это прямо сказано. При пересчёте расход токенов GPT-6.1 Sol остаётся неизменным, а к нему применяются расценки GPT-6 Sol.

Для оценки вкладок ego-browser мы считали скрипты, обращавшиеся к нескольким меткам страниц или создававшие ещё одну страницу, по всем 25 попыткам каждой модели. Для других инструментов мы считали вызовы bash, содержащие команды вкладок. Эти наблюдения зависят от интерфейса: открытие вкладок или обращение к ним само по себе не доказывает параллельное выполнение.

Полные результаты

В каждой ячейке указаны результат одной попытки, ожидание модели вместе с выполнением инструментов в секундах и стоимость токенов модели в долларах США. Показатели времени и стоимости включают неудачи; средние в обзоре рассчитаны только по определённым выше общим успешно выполненным задачам. Перечислены все учтённые задачи и все шесть сочетаний.

ЗадачаВид работыPlaywright CLI с GPT-6.1 SolPlaywright CLI с GPT-6 Solagent-browser с GPT-6.1 Solagent-browser с GPT-6 Solego-browser с GPT-6.1 Solego-browser с GPT-6 Sol
Бронирование поездки с соблюдением правил в тестовом приложении для путешествийРабочие процессы в бизнес-веб-приложенияхУспех, 197.4 s, $0.224Успех, 164.0 s, $0.528Успех, 286.8 s, $0.285Успех, 267.5 s, $0.427Успех, 177.9 s, $0.311Успех, 142.9 s, $0.387
Приведение средств мониторинга сервисов tier-1 в соответствие со стандартомРабочие процессы в бизнес-веб-приложенияхУспех, 145.5 s, $0.153Успех, 124.1 s, $0.245Успех, 331.8 s, $0.414Успех, 283.0 s, $0.607Успех, 137.6 s, $0.125Успех, 91.3 s, $0.215
Сопоставление счетов за февраль с платежами и открытие споровРабочие процессы в бизнес-веб-приложенияхУспех, 253.0 s, $0.309Успех, 154.0 s, $0.362Успех, 520.4 s, $0.433Успех, 501.4 s, $1.052Успех, 190.6 s, $0.239Успех, 184.3 s, $0.420
Создание заказов на закупку по уровням запасов в разрезе поставщиковРабочие процессы в бизнес-веб-приложенияхУспех, 189.5 s, $0.164Успех, 116.4 s, $0.344Успех, 307.2 s, $0.244Успех, 367.2 s, $0.630Успех, 164.5 s, $0.172Успех, 125.2 s, $0.191
Три конфигурации MacBook в магазине Apple для СШАПоиск информации на одном–трёх сайтахУспех, 314.1 s, $0.367Успех, 357.8 s, $0.651Успех, 348.5 s, $0.440Успех, 471.0 s, $0.620Успех, 223.1 s, $0.483Успех, 191.8 s, $1.160
Кассовые сборы шести фильмов Уэса Андерсона на Box Office Mojo и WikipediaПоиск информации на одном–трёх сайтахУспех, 180.9 s, $0.151Успех, 496.1 s, $0.594Успех, 334.7 s, $0.339Успех, 487.0 s, $0.570Успех, 142.0 s, $0.179Успех, 105.2 s, $0.237
KYC-проверка четырёх британских компаний в Companies HouseПоиск информации на одном–трёх сайтахУспех, 185.8 s, $0.178Успех, 226.0 s, $0.583Успех, 579.3 s, $0.393Успех, 319.4 s, $0.708Успех, 177.9 s, $0.423Успех, 121.2 s, $0.529
Сопоставление исследований атопического дерматита 2021 года с инструкциями к препаратамПоиск информации на одном–трёх сайтахУспех, 332.6 s, $0.352Неудача, 583.0 s, $0.744Успех, 317.1 s, $0.418Успех, 482.8 s, $0.857Успех, 234.4 s, $0.450Успех, 252.3 s, $0.796
Три ряда CPI на FRED с проверкой по BLSПоиск информации на одном–трёх сайтахУспех, 441.5 s, $0.221Успех, 417.7 s, $0.262Успех, 429.0 s, $0.372Успех, 265.7 s, $0.922Успех, 97.4 s, $0.187Успех, 44.5 s, $0.164
Самые низкие тарифы на беспосадочные рейсы в Денвер на сайте поиска авиабилетовПоиск информации на одном–трёх сайтахУспех, 411.5 s, $0.471Неудача, 616.3 s, $0.948Неудача, 872.9 s, $1.109Неудача, 690.9 s, $1.342Успех, 338.0 s, $0.609Успех, 385.3 s, $1.503
Публикации о запусках SpaceX в X за одну неделю с проверкой по WikipediaПоиск информации на одном–трёх сайтахНеудача, 118.0 s, $0.088Неудача, 363.3 s, $0.491Успех, 224.4 s, $0.151Успех, 239.4 s, $0.577Успех, 112.7 s, $0.183Успех, 499.8 s, $0.269
Сопоставление лекции на YouTube с её скриптом на GitHub и статьёй на arXivПоиск информации на одном–трёх сайтахУспех, 467.3 s, $0.700Неудача, 454.7 s, $0.922Успех, 221.6 s, $0.349Успех, 235.8 s, $0.395Успех, 94.7 s, $0.274Успех, 132.1 s, $0.574
Как девять музыкальных сервисов представляют один альбомСбор данных с нескольких сайтовНеудача, 440.3 s, $0.603Неудача, 419.9 s, $1.117Успех, 678.2 s, $0.995Неудача, 688.6 s, $1.068Неудача, 180.2 s, $0.489Неудача, 227.8 s, $1.179
Первые решения по ставке в 2026 году двенадцати центральных банковСбор данных с нескольких сайтовУспех, 686.3 s, $0.917Неудача, 713.3 s, $1.273Неудача, 694.0 s, $1.008Неудача, 674.2 s, $1.069Успех, 318.3 s, $0.643Неудача, 377.3 s, $2.641
Основные доклады на открытии девяти конференций для разработчиковСбор данных с нескольких сайтовУспех, 726.0 s, $0.960Успех, 701.9 s, $2.388Успех, 507.9 s, $0.949Неудача, 459.7 s, $1.606Успех, 488.4 s, $1.174Успех, 473.4 s, $1.495
Характеристики девяти электрических SUV для СШАСбор данных с нескольких сайтовУспех, 756.9 s, $0.771Неудача, 730.6 s, $0.964Неудача, 495.9 s, $0.801Неудача, 595.0 s, $1.071Успех, 413.6 s, $0.843Неудача, 316.8 s, $1.471
Таблица для одобрения девяти моделей с открытыми весами на Hugging FaceСбор данных с нескольких сайтовНеудача, 537.6 s, $0.719Неудача, 616.2 s, $0.986Успех, 651.6 s, $1.020Неудача, 663.4 s, $1.194Успех, 352.8 s, $0.804Успех, 330.1 s, $1.198
Официальные характеристики девяти флагманских телефонов для ВеликобританииСбор данных с нескольких сайтовУспех, 575.9 s, $0.635Неудача, 642.9 s, $0.773Успех, 786.8 s, $0.942Неудача, 392.0 s, $0.743Успех, 348.1 s, $0.704Неудача, 270.2 s, $0.765
Матрица соответствия требованиям по данным девяти центров доверия SaaSСбор данных с нескольких сайтовНеудача, 683.8 s, $0.577Неудача, 560.0 s, $0.642Неудача, 704.3 s, $0.736Неудача, 464.7 s, $0.542Успех, 299.8 s, $0.592Неудача, 185.1 s, $0.451
Бесплатные тарифы девяти бессерверных платформСбор данных с нескольких сайтовУспех, 369.2 s, $0.395Успех, 441.0 s, $0.491Неудача, 582.5 s, $0.529Неудача, 763.6 s, $1.241Успех, 199.4 s, $0.360Успех, 267.4 s, $1.331
Релизы безопасности восьми проектов с открытым кодом в X и на их сайтахСбор данных с нескольких сайтовНеудача, 318.5 s, $0.392Неудача, 334.8 s, $0.903Успех, 619.8 s, $0.892Неудача, 670.8 s, $1.468Успех, 231.5 s, $0.441Успех, 434.8 s, $2.405
Восемь запусков потребительской электроники в X и пресс-релизахСбор данных с нескольких сайтовНеудача, 404.1 s, $0.401Неудача, 397.8 s, $0.917Успех, 675.0 s, $0.924Неудача, 528.6 s, $1.139Успех, 389.1 s, $0.541Неудача, 567.1 s, $1.101
Считывание стоимости и баллов с диаграммы рейтинга ARC PrizeИсследование без жёстких рамокУспех, 171.3 s, $0.185Успех, 239.0 s, $1.092Успех, 361.3 s, $0.466Успех, 304.5 s, $0.357Успех, 84.9 s, $0.201Успех, 83.5 s, $0.257
Подсчёт моделей, превышающих пороги объёма вычислений ЕС, по данным Epoch AIИсследование без жёстких рамокУспех, 132.7 s, $0.132Успех, 57.9 s, $0.139Успех, 106.5 s, $0.147Успех, 116.1 s, $0.159Успех, 62.2 s, $0.090Успех, 99.0 s, $0.105
Проследить десять ссылок на источники в списке больших языковых моделей WikipediaИсследование без жёстких рамокУспех, 340.0 s, $0.189Неудача, 654.3 s, $0.435Успех, 211.0 s, $0.300Успех, 194.6 s, $0.451Успех, 169.6 s, $0.244Неудача, 151.4 s, $0.202

Читать дальше