我們讓 Claude Opus 5 搭配五款瀏覽器自動化工具,測試 27 項網頁任務

在我們的 Claude Code 配置中,讓 Claude Opus 5 操作瀏覽器時,我們會選擇 ego-browser,以在 100 步內完成更多跨站任務。在所有工具共同通過的 13 項任務上,它的平均耗時與成本也最低。通過次數的領先,大多來自從許多網站蒐集相同欄位的任務;其他任務上,Chrome DevTools CLI 的通過次數與它相同。每款工具將 27 項任務各執行一次,因此每款工具有 27 次嘗試。Opus 5 搭配 ego-browser 通過 27 次嘗試中的 24 次(88.9%),搭配 Chrome DevTools CLI 與 Playwright CLI 各通過 18 次(66.7%),搭配 Browser Use CLI 通過 17 次(63.0%),搭配 agent-browser 通過 15 次(55.6%)。五款工具共同通過的 13 項任務上,ego-browser 平均單題耗時 324.6 秒、成本 $1.702。其次為 Chrome DevTools CLI,為 369.5 秒與 $1.845;接著是 Browser Use CLI,為 407.7 秒與 $1.975;Playwright CLI 為 495.8 秒與 $2.052;agent-browser 為 543.6 秒與 $2.368。
差距出現在跨站任務,也就是從 8 到 16 個網站蒐集相同欄位的 11 項任務。Opus 5 搭配 ego-browser 通過其中 8 項,搭配其他各款工具則通過 1 到 3 項。使用那四款工具時,它多半在給出答案前就用盡 100 步,每款工具各有 7 到 9 次如此;ego-browser 則只有一次。在其他 16 項任務上,Chrome DevTools CLI 同樣通過全部 16 項,Playwright CLI 與 Browser Use CLI 各通過 15 項,agent-browser 通過 14 項。
在我們的執行紀錄中,這項差異與完成相同工作所需的工具呼叫次數相伴出現。五款工具共同通過的 13 項任務上,Opus 5 搭配 ego-browser 平均每題呼叫工具 30.3 次,其他工具則為 41.2 到 53.7 次。與不同工具逐一比較,它使用 ego-browser 時,在這 13 項中的 10 到 13 項任務呼叫較少。使用 ego-browser 時,較少的呼叫伴隨較短的瀏覽器執行時間、較少的快取 token 重讀,以及在 100 步預算內更多空間。
每款工具都有弱點。搭配 ego-browser 時,Opus 5 在 11 項跨站任務中有 3 項失敗。五款工具共同通過的 13 項任務中,Chrome DevTools CLI 有 5 項比 ego-browser 快,但在 11 項跨站任務只通過 2 項。Playwright CLI 的平均耗時包含 SpaceX 發射貼文任務中一次耗時 2,127 秒的執行。Browser Use CLI 給出 3 個錯誤答案;agent-browser 有 11 次用盡全部 100 步,其中兩次並非跨站任務。
| 瀏覽器工具 | 成功率 | 平均單題耗時 | 平均單題成本 |
|---|---|---|---|
| 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 |
每款工具將 27 項任務各執行一次,因此成功率以每款工具的 27 次嘗試計算。平均單題耗時與成本只計入五款工具共同通過的 13 項任務,其中沒有跨站任務。耗時包含等待 Opus 5 與執行瀏覽器命令的時間,成本則是 Claude Code 為各次嘗試回報的數值。
成功率
ego-browser 讓 Opus 5 通過最多任務,而這個領先幾乎全來自 11 項跨站任務。在其他 16 項任務中,瀏覽器工具幾乎不影響 Opus 5 能否通過。
| 任務組別 | ego-browser | Chrome DevTools CLI | Playwright CLI | Browser Use CLI | agent-browser |
|---|---|---|---|---|---|
| 跨站任務(11 項) | 11 次中的 8 次 | 11 次中的 2 次 | 11 次中的 3 次 | 11 次中的 2 次 | 11 次中的 1 次 |
| 其他任務(16 項) | 16 次中的 16 次 | 16 次中的 16 次 | 16 次中的 15 次 | 16 次中的 15 次 | 16 次中的 14 次 |
| 全部任務(27 項) | 27 次中的 24 次 | 27 次中的 18 次 | 27 次中的 18 次 | 27 次中的 17 次 | 27 次中的 15 次 |
各組的通過次數,每款工具對每項任務嘗試一次,執行日期為 2026 年 11 月 3 日與 11 月 5 日。如果你的代理需要從許多網站蒐集相同欄位,跨站任務這一列就是工具出現差異之處。
其他四款工具的大多數失敗,都是在給出答案前用盡全部 100 步。各款工具答錯的情況都不多,每款各有 1 到 3 次。在 11 項跨站任務中,Opus 5 搭配 ego-browser 平均每次嘗試呼叫工具 73.4 次,其他工具則為 91.5 到 97.0 次。下表每一列合計皆為 27 次嘗試。
| 瀏覽器工具 | 通過 | 用盡全部 100 步 | 答案錯誤 |
|---|---|---|---|
| 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 |
沒有其他工具通過了 ego-browser 未通過的任務。ego-browser 的三次失敗,包含兩次答案錯誤與一次用盡全部 100 步,都是其他四款工具也各自未通過的跨站任務。
央行任務呈現了這個模式。Opus 5 必須從 12 家央行各自的官網,查詢其在 2026 年首次依預定時程舉行的利率決議,包含日期、利率調整情況、政策利率、異議情況及下次決議日期。搭配 ego-browser 時,它從美國聯準會一路查到印度儲備銀行,正確回傳全部 12 列。搭配其他每款工具時,則都在寫出答案前用盡全部 100 步。

其他 16 項任務中,Chrome DevTools CLI 與 ego-browser 通過同樣多的任務。跨站任務中,Opus 5 搭配 ego-browser 時,在 11 項中的 10 項於 100 步預算內給出最終答案;使用其他工具時則有 2 到 4 項。針對這類工作,我們會更審慎衡量工具選擇。
速度
ego-browser 讓 Opus 5 取得最低平均耗時。在五款工具共同通過的 13 項任務上,平均單題耗時為 324.6 秒,其他工具為 369.5 到 543.6 秒。在這 13 項任務中,它有 8 項快於 Chrome DevTools CLI、10 項快於 Playwright CLI 與 Browser Use CLI、11 項快於 agent-browser。Playwright CLI 的平均值包含 SpaceX 發射貼文任務中一次耗時 2,127 秒的執行,因此我們也逐題檢視差距。
相較其他每款工具,ego-browser 執行瀏覽器命令的時間較短,呼叫次數也最少。
| 瀏覽器工具 | 單題工具呼叫次數 | 單題等待 Opus 5 的時間 | 單題執行瀏覽器命令的時間 |
|---|---|---|---|
| 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 |
五款工具共同通過的 13 項任務平均值,執行日期為 2026 年 11 月 3 日與 11 月 5 日。
與最接近的 Chrome DevTools CLI 相比,ego-browser 等待模型的時間幾乎相同,記錄中的瀏覽器命令耗時則較短。Opus 5 搭配 ego-browser 時,單題等待模型 222.7 秒;搭配 Chrome DevTools CLI 則為 222.4 秒。使用 ego-browser 時,Opus 5 呼叫 30.3 次,而非 41.2 次,且每次寫出較多內容:計入思考過程後,每次呼叫輸出 565 個 token,對照 389 個。
票房任務說明呼叫花在哪裡。Opus 5 必須核對 Box Office Mojo 與 Wikipedia 上六部 Wes Anderson 電影的票房,五款工具都答對所有數值。搭配 ego-browser 時,它以 15 次工具呼叫、167 秒通過;其他四款工具則用了 20 到 26 次呼叫、249 到 290 秒。差距出現在 Box Office Mojo 的部分:ego-browser 到第 10 次呼叫已完成,其他工具則到第 12 到 16 次才完成。第 10 次呼叫中,一個指令碼依序開啟五部電影的發行頁面,並印出各自的票房。

成本
ego-browser 在共同成功任務上的平均模型成本也最低。五款工具共同通過的 13 項任務中,Opus 5 搭配 ego-browser 單題成本為 $1.702,其他工具則為 $1.845 到 $2.368。在這 13 項中,它有 8 項成本低於 Chrome DevTools CLI 與 Browser Use CLI、10 項低於 Playwright CLI、11 項低於 agent-browser。
各工具使用相同模型與費率,因此全部成本差距都來自用量,快取讀取便反映了這一點。每次工具呼叫都增加一輪互動,每一輪又將目前為止的對話送回 Opus 5,多數按快取讀取計費。在呼叫較少的情況下,Opus 5 搭配 ego-browser 時,單題重讀 132 萬個快取 token,其他工具則為 169 萬到 242 萬個。
| 瀏覽器工具 | 單題讀取的快取 token 數 | 快取讀取 | 快取寫入 | 輸出 |
|---|---|---|---|---|
| ego-browser | 132 萬 | $0.661 | $0.613 | $0.428 |
| Chrome DevTools CLI | 169 萬 | $0.846 | $0.597 | $0.401 |
| Playwright CLI | 198 萬 | $0.991 | $0.607 | $0.454 |
| Browser Use CLI | 175 萬 | $0.877 | $0.597 | $0.500 |
| agent-browser | 242 萬 | $1.210 | $0.634 | $0.523 |
五款工具共同通過的 13 項任務之單題平均值。Claude Code 寫入各個快取 token 時,均設定一小時有效期。各部分採用Anthropic 公布的 Opus 5 牌價:快取讀取為每百萬個 token $0.50,一小時有效期的快取寫入為每百萬個 token $10,輸出為每百萬個 token $25。三部分加總與各工具單題成本的差距,不超過十分之一美分。
五款工具的輸出與快取寫入成本相近,因此快取讀取決定了成本排序。在五款工具共同通過的 13 項任務上,相較 Chrome DevTools CLI,ego-browser 平均每題節省 14.3 美分。
Claude Opus 5 該搭配哪款瀏覽器工具
針對這裡測試的任務組合、Claude Code 配置與 100 步預算,我們會讓 Claude Opus 5 搭配 ego-browser。Opus 5 使用它通過最多任務,且在五款工具共同通過的 13 項任務上,平均耗時與成本均最低。
對於類似本次十一項任務的跨站工作,在 100 步預算內,我們會選擇 ego-browser 的配置。在 100 步預算下,Opus 5 搭配它通過 11 項跨站任務中的 8 項,搭配其他各款工具則通過 1 到 3 項。如果你的任務較像其他 16 項——在少數網站查詢、從一個頁面研究,或於單一網頁應用程式內操作——工具對能否通過的影響較小。Chrome DevTools CLI 與 ego-browser 一樣通過全部 16 項;在五款工具共同通過的 13 項任務上,ego-browser 平均每題少花 44.9 秒、成本低 14.3 美分。
若速度最重要,ego-browser 在五款工具共同通過的 13 項任務上平均耗時最低,Chrome DevTools CLI 次之。若成本最重要,這些任務的排序也相同。Playwright CLI、Browser Use CLI 與 agent-browser 在這組任務的平均耗時與成本,都落後於前兩者。
我們在 Claude Code 中,以高推理強度執行 Claude Opus 5(claude-opus-5),為每款瀏覽器工具提供 skill 檔案,每次嘗試預算為 100 步。ego-browser 與 ego(lite) 一同提供,並驅動它作為代理的瀏覽器;其他四款工具則驅動 Google Chrome。
ego(lite) 在這項比較中的角色
ego(lite) 提供由 ego-browser 驅動的瀏覽器,Claude Code 與 Claude Opus 5 則分別提供代理與模型。ego-browser 整合指南說明了這種連接方式。回報的成本是模型 token 成本,並非另外的瀏覽器訂閱價格。
可以依任務拆分結果,為類似工作選擇適合本次測試 100 步預算的配置。跨站任務完成情況涵蓋十一項任務,耗時與成本比較則涵蓋所有工具共同通過的十三項任務。這是不同任務組,因此共同成功任務的成本,不能代表完成較困難跨站任務的價格。
常見問題
用 Claude Code 自動化瀏覽器時,agent-browser 或 Playwright CLI 哪個較好?
搭配 Claude Opus 5,Playwright CLI 在我們的執行中通過較多次:27 次嘗試通過 18 次,agent-browser 通過 15 次。在五款工具共同通過的 13 項任務上,Playwright CLI 平均單題耗時 495.8 秒、成本 $2.052;agent-browser 則為 543.6 秒與 $2.368。在這 13 項中,Playwright CLI 有 9 項較快,但一次 2,127 秒的執行拉高了平均耗時。agent-browser 在 11 項任務用盡全部 100 步,Playwright CLI 則有 8 項如此。
Chrome DevTools CLI 與 Playwright CLI,哪個更適合 Claude Opus 5?
兩者成功次數持平,均在 27 次嘗試通過 18 次,Chrome DevTools CLI 的平均耗時與成本較低。在五款工具共同通過的 13 項任務上,它平均單題耗時 369.5 秒、成本 $1.845,Playwright CLI 則為 495.8 秒與 $2.052。逐題看兩者相近:Chrome DevTools CLI 在這 13 項中有 7 項較快、8 項較便宜。Playwright CLI 在 SpaceX 發射貼文任務中一次耗時 2,127 秒的執行,幾乎解釋了全部時間差距。
Chrome DevTools CLI 是 Claude Opus 5 的好選擇嗎?
若不屬於跨站任務,是的:Opus 5 搭配 Chrome DevTools CLI,和搭配 ego-browser 一樣通過全部其他 16 項任務。它在五款工具共同通過的 13 項任務上,平均耗時與成本均排第二,分別為單題 369.5 秒與 $1.845。在 11 項跨站任務中,它通過 2 項,有 7 項用盡全部 100 步。
在 Claude Code 中,Browser Use CLI 與其他瀏覽器工具比較如何?
搭配 Browser Use CLI,Opus 5 在 27 次嘗試通過 17 次,搭配其他四款工具則通過 15 到 24 次。在五款工具共同通過的 13 項任務上,它的平均耗時與成本排第三,分別為單題 407.7 秒與 $1.975。它給出 3 個錯誤答案,並在 11 項跨站任務中的 7 項用盡全部 100 步。
瀏覽器代理為何會在長時間的跨站任務中失敗?
在我們的 100 步預算下,Claude Opus 5 大多是步驟用盡:使用五款瀏覽器工具中的四款時,它在 11 項跨站任務中的 7 到 9 項用盡全部 100 步。這四款是 Chrome DevTools CLI、Playwright CLI、Browser Use CLI 與 agent-browser。搭配 ego-browser 時只發生一次,且這組跨站任務的平均工具呼叫次數,使用 ego-browser 時為每次嘗試 73.4 次,其他工具則為 91.5 到 97.0 次。
Claude Opus 5 瀏覽器代理執行一項任務要花多少錢?
五款工具共同通過的 13 項任務中,一項 Claude Opus 5 瀏覽器任務約花費 $1.70 到 $2.37,依瀏覽器工具而異。其中最大一部分是每輪重新讀取的快取 token,這項成本會隨工具呼叫次數增加。
Claude Opus 5 瀏覽器代理完成一項任務需要多久?
在五款工具共同通過的 13 項任務中,單題耗時從搭配 ego-browser 的 324.6 秒,到搭配 agent-browser 的 543.6 秒不等。計入每次嘗試後,五款工具的跨站任務平均單次耗時介於 919.1 到 1,112.2 秒。兩組數值都包含等待 Opus 5 的時間。
Claude Opus 5 執行一項瀏覽器任務會呼叫幾次工具?
在五款工具共同通過的 13 項任務上,平均每題呼叫 30.3 到 53.7 次,依瀏覽器工具而異。ego-browser 所需最少,agent-browser 最多。在 11 項跨站任務上,搭配 ego-browser 平均每次嘗試呼叫 73.4 次,其他四款工具則為 91.5 到 97.0 次。
Claude Opus 5 在各測試配置的成功率有何不同?
在我們的執行中確實有差異:模型與 Claude Code 配置相同,Opus 5 在 27 次嘗試的成功率仍依瀏覽器工具而異,介於 55.6% 到 88.9%。大部分差異來自 11 項跨站任務。其他 16 項任務中,每款工具都通過 14 到 16 項。
網頁應用程式任務上,瀏覽器工具之間有差異嗎?
就能否通過而言,沒有:Opus 5 使用五款工具的每一款,都通過測試網頁應用程式內全部 4 項任務。沒有哪款工具在這 4 項任務中,有超過 2 項是最快的。差異在完成工作所需的呼叫次數:ego-browser 平均每題 36.2 次,其他工具為 47.8 到 77.2 次。
測試方法
我們在 2026 年 11 月 3 日執行 ego-browser,其他四款工具則在 2026 年 11 月 5 日依序執行,全部使用同一部搭載 Apple silicon、執行 macOS 26.5 的 Mac mini。每組都在 Claude Code 2.1.316 中,以高推理強度執行 Claude Opus 5(claude-opus-5),並使用 Bash、Read、Write、Edit 與 Skill 工具。模型、代理、推理強度、任務、評分與步驟預算均相同,改變的是瀏覽器工具、其 skill 檔案與所驅動的瀏覽器。
瀏覽器工具
我們比較五款供 Claude Code 透過 shell 命令驅動的瀏覽器工具。ego-browser v2.2.0-beta.5 驅動 ego(lite) 0.6.3.2:Opus 5 撰寫 JavaScript 指令碼,ego-browser 在頁面上執行,回傳的頁面內容就是指令碼印出的結果。Chrome DevTools CLI 1.10.1、Playwright CLI 0.1.22 與 agent-browser 0.39.1 則以開啟頁面、擷取元素快照或執行 JavaScript 等動作命令,驅動 Google Chrome 156。在使用這些命令的 shell 呼叫中,Opus 5 有 47.4% 到 56.7% 將兩個以上命令串接執行。Browser Use CLI 0.1.13 則透過提供載入頁面、執行 JavaScript 輔助函式的 Python 指令碼,驅動 Google Chrome 156。
任務
我們使用真實網站與測試網頁應用程式上的 27 項任務。11 項跨站任務要求從 8 到 16 個網站蒐集相同欄位,例如查詢 12 家央行在 2026 年的首次利率決議。其他 16 項包括在一至三個指定網站查詢的 9 項任務、從一個頁面開始的 3 項研究,以及業務網頁應用程式內的 4 項任務。例子包含核對 Box Office Mojo 與 Wikipedia 上六部電影的票房、以懸停方式讀取圖表資料點,以及依差旅政策預訂行程。
跨站任務採用任務集本身的分組:任務內容列有至少 8 個項目,並為每個項目指定個別網站。每項任務僅歸入一組。
如何判定通過
每項任務各有評分項,27 項任務合計 190 個評分項。只有最終答案答對全部評分項,嘗試才算通過;沒有最終答案的嘗試則失敗。
如何統計
一次嘗試,指一款工具執行一項任務一次。每款工具將每項任務各執行一次,因此每款工具有 27 次嘗試,成功率按嘗試計算。一步是模型的一次回覆,每次嘗試最多使用 100 步,最長 60 分鐘。在發起工具呼叫的 8,607 步中,除了 5 步以外,每步都恰好呼叫一次。
一次工具呼叫,是呼叫 Claude Code 的 Bash、Read、Write、Edit 或 Skill 工具一次,例如一個瀏覽器指令碼、一次可能串接數條命令的 shell 呼叫,或一次檔案讀取。到達預算上限卻沒有最終答案,就記為用盡全部 100 步,每次這類嘗試都發起 99 或 100 次工具呼叫。次數來自 Claude Code 對各次嘗試的工作階段紀錄。
耗時是每次嘗試實際經過的時間,包含等待 Opus 5 API 與執行瀏覽器命令的時間,速度表會分別計時。成本為 Claude Code 按 Anthropic 的 Opus 5 牌價為各次嘗試回報的數值,快取與輸出 token 也來自同一紀錄。每次呼叫的輸出 token 數包含思考過程,算法是各工具單題輸出 token 數除以單題工具呼叫次數。
速度與成本比較採五款工具共同通過的 13 項任務。每款工具對每項任務只執行一次,所以任務的耗時與成本就是那次嘗試的數值。「13 項任務中有 8 項較快」這類計數,是逐題比較工具。一次 shell 呼叫若執行同一款瀏覽器工具的兩條以上命令,就記為命令串接。
完整結果
每格代表一次嘗試,列出結果、以秒計的實際耗時,以及成本。每款工具將每項任務各執行一次。耗時包含等待 Opus 5 API 的時間。「用盡全部步驟」表示達到 100 步預算,卻沒有最終答案。
跨站任務
| 任務 | ego-browser | Chrome DevTools CLI | Playwright CLI | Browser Use CLI | agent-browser |
|---|---|---|---|---|---|
| 同一張專輯在九家音樂服務的曲目數、總長度、發行日期與製作名單 | 通過,415 s,$2.42 | 答案錯誤,781 s,$3.88 | 通過,809 s,$4.58 | 通過,633 s,$3.43 | 用盡全部步驟,728 s,$4.58 |
| 從製造商官網查詢八款相機的重量、電池、解析度與連拍規格 | 通過,1112 s,$5.75 | 用盡全部步驟,990 s,$4.63 | 用盡全部步驟,823 s,$4.40 | 用盡全部步驟,936 s,$5.37 | 用盡全部步驟,799 s,$4.91 |
| 由各央行官網查詢 12 家央行在 2026 年的首次利率決議 | 通過,899 s,$5.95 | 用盡全部步驟,780 s,$6.20 | 用盡全部步驟,604 s,$5.22 | 用盡全部步驟,539 s,$5.29 | 用盡全部步驟,766 s,$4.31 |
| 從議程與 YouTube 查詢九場開發者大會的開幕主題演講 | 用盡全部步驟,1401 s,$7.37 | 用盡全部步驟,1126 s,$5.80 | 用盡全部步驟,945 s,$5.31 | 用盡全部步驟,1100 s,$6.14 | 用盡全部步驟,962 s,$5.58 |
| 從車廠美國官網查詢九款電動 SUV 的續航與直流充電規格 | 答案錯誤,1020 s,$8.37 | 用盡全部步驟,1015 s,$5.92 | 用盡全部步驟,803 s,$5.31 | 用盡全部步驟,1084 s,$6.83 | 用盡全部步驟,1223 s,$6.02 |
| 九個開放權重模型的規模、上下文、授權條款與訓練 token 數 | 答案錯誤,749 s,$7.29 | 用盡全部步驟,943 s,$5.84 | 用盡全部步驟,741 s,$5.31 | 用盡全部步驟,886 s,$7.02 | 用盡全部步驟,1207 s,$6.46 |
| 從勞動部門網站查詢九個國家的法定最低工資 | 通過,616 s,$4.39 | 用盡全部步驟,1075 s,$6.20 | 通過,687 s,$4.83 | 用盡全部步驟,724 s,$5.81 | 用盡全部步驟,1055 s,$5.02 |
| 從品牌英國官網查詢九款手機的重量、電池、螢幕、IP 等級與更新政策 | 通過,745 s,$6.02 | 用盡全部步驟,908 s,$4.86 | 用盡全部步驟,778 s,$4.53 | 用盡全部步驟,898 s,$5.66 | 用盡全部步驟,786 s,$5.27 |
| 九個無伺服器函式平台的免費方案限制 | 通過,515 s,$3.81 | 通過,958 s,$6.45 | 通過,565 s,$4.71 | 答案錯誤,580 s,$3.76 | 用盡全部步驟,1251 s,$5.97 |
| 將八個開源專案在 X 上的安全版本發布貼文,與各自安全公告對照 | 通過,1058 s,$3.83 | 通過,1047 s,$4.99 | 用盡全部步驟,2128 s,$4.96 | 通過,1805 s,$6.16 | 通過,1908 s,$5.35 |
| 將八個品牌在 X 上的 2026 年產品貼文,與各自新聞稿對照 | 通過,1580 s,$4.56 | 答案錯誤,849 s,$4.62 | 用盡全部步驟,2024 s,$5.21 | 答案錯誤,1832 s,$5.39 | 答案錯誤,1548 s,$4.76 |
其他任務
| 任務 | ego-browser | Chrome DevTools CLI | Playwright CLI | Browser Use CLI | agent-browser |
|---|---|---|---|---|---|
| 從 Apple 比較頁、美國商店與規格頁,查詢三款 MacBook 機型採 32 GB / 1 TB 配置的價格 | 通過,367 s,$3.15 | 通過,374 s,$2.74 | 通過,481 s,$4.91 | 通過,438 s,$3.06 | 通過,568 s,$3.52 |
| 核對 Box Office Mojo 與 Wikipedia 上六部 Wes Anderson 電影的票房 | 通過,167 s,$0.81 | 通過,290 s,$1.01 | 通過,249 s,$0.89 | 通過,265 s,$1.25 | 通過,270 s,$0.96 |
| 在 Companies House 為四家英國公司建立初步 KYC 快照 | 通過,359 s,$2.02 | 通過,333 s,$1.42 | 通過,319 s,$1.66 | 通過,321 s,$1.42 | 通過,356 s,$1.65 |
| 將 ClinicalTrials.gov 上 2021 年的第 3 期異位性皮膚炎試驗,與對應 DailyMed 藥品仿單比對 | 通過,391 s,$1.98 | 通過,338 s,$2.15 | 通過,468 s,$2.72 | 通過,541 s,$2.38 | 通過,475 s,$2.74 |
| 由 FRED 查詢十二月相較前一年十二月的 CPI、核心 CPI 與雞蛋價格變化,並與 BLS 核對 | 通過,181 s,$1.09 | 通過,346 s,$1.90 | 通過,395 s,$1.35 | 通過,294 s,$1.48 | 通過,311 s,$1.59 |
| 在航班搜尋網站查詢從三個城市飛往丹佛的最低不經停經濟艙票價 | 通過,766 s,$3.50 | 通過,1152 s,$3.83 | 答案錯誤,732 s,$4.03 | 通過,1008 s,$3.89 | 用盡全部步驟,1123 s,$5.25 |
| 依 MDN 與 Can I use 判斷六項 Web 平台功能能否採用 | 通過,376 s,$1.74 | 通過,461 s,$2.41 | 通過,420 s,$1.82 | 通過,381 s,$1.51 | 通過,423 s,$2.11 |
| 將 X 上一週的 SpaceX 發射貼文與 Wikipedia 的兩份發射列表核對 | 通過,472 s,$1.06 | 通過,558 s,$1.94 | 通過,2127 s,$2.15 | 通過,854 s,$1.58 | 通過,511 s,$1.55 |
| 為 Karpathy 的 GPT 講座製作學習筆記,並在 YouTube、GitHub 與 arXiv 之間核對 | 通過,245 s,$1.55 | 通過,426 s,$2.75 | 通過,696 s,$2.93 | 通過,466 s,$2.05 | 用盡全部步驟,1344 s,$4.49 |
| 以懸停方式從 ARC Prize 排行榜圖表讀取八個低成本資料點 | 通過,294 s,$1.60 | 通過,360 s,$1.87 | 通過,354 s,$1.92 | 答案錯誤,387 s,$2.65 | 通過,679 s,$2.19 |
| 在 Epoch AI 模型資料庫中,統計超過歐盟運算量門檻的模型數 | 通過,211 s,$1.25 | 通過,210 s,$0.97 | 通過,273 s,$1.57 | 通過,150 s,$0.84 | 通過,882 s,$1.95 |
| 追溯 Wikipedia 大型語言模型表格的十個儲存格,查找其引用來源 | 通過,444 s,$2.11 | 通過,474 s,$2.19 | 通過,427 s,$2.22 | 通過,335 s,$1.91 | 通過,349 s,$1.73 |
| 在差旅與費用應用程式中,依政策預訂航班、走道座位及附近飯店 | 通過,281 s,$1.91 | 通過,221 s,$2.14 | 通過,452 s,$2.97 | 通過,403 s,$3.01 | 通過,409 s,$1.98 |
| 在雲端控制台中,依書面標準調整 1 級服務監控設定 | 通過,230 s,$1.39 | 通過,202 s,$1.39 | 通過,252 s,$1.69 | 通過,264 s,$1.60 | 通過,543 s,$3.20 |
| 在營運應用程式中核對二月發票與付款,並提出爭議 | 通過,539 s,$2.53 | 通過,547 s,$2.36 | 通過,373 s,$1.73 | 通過,681 s,$3.74 | 通過,1008 s,$4.00 |
| 在營運應用程式中透過 CSV 匯入,依供應商建立採購單 | 通過,203 s,$1.08 | 通過,450 s,$1.37 | 通過,210 s,$1.01 | 通過,376 s,$1.87 | 通過,962 s,$3.81 |
