我們以三款瀏覽器工具,評測 GPT-6.1 Sol 相較 GPT-6 Sol 的瀏覽器操作表現

12 分鐘閱讀
藍色背景上,三個由小到大、內部填滿雲朵的圓形,作為 GPT-6.1 Sol 瀏覽器評測的圖像。

針對本次測試的 pi 瀏覽器代理配置,我們會選擇 GPT-6.1 Sol 而非 GPT-6 Sol,因為它完成的任務更多、模型成本更低,並非因為速度能穩定提升。在這項 GPT-6.1 Sol 瀏覽器操作測試中,每款模型都透過 Playwright CLI、agent-browser 與 ego-browser,各自將 25 項網頁任務執行一次,因此每款模型在每款工具中都有 25 次嘗試。GPT-6.1 Sol 在 Playwright CLI 中通過 25 次嘗試中的 19 次,在 agent-browser 中通過 25 次中的 20 次,在 ego-browser 中通過 25 次中的 24 次;GPT-6 Sol 對應通過 12、14 與 18 次。各工具內兩款模型共同通過的任務上,GPT-6.1 Sol 平均耗時分別為 275.6、327.1 與 195.0 秒,單題成本分別為 $0.287、$0.339 與 $0.372。GPT-6 Sol 平均耗時分別為 291.3、324.0 與 220.2 秒,單題成本分別為 $0.640、$0.595 與 $0.735。

增加的成功大多出現在跨站資料蒐集任務,這類任務要從 9 到 16 個網站蒐集相同欄位。每款工具有十項這類任務;合計 30 次嘗試,GPT-6.1 Sol 通過了 20 次,GPT-6 Sol 則通過 6 次。三款工具合計有 19 次嘗試從 GPT-6 Sol 失敗變為 GPT-6.1 Sol 成功,沒有出現反向變化。

在兩款模型共同通過的任務上,GPT-6.1 Sol 使用較少工具呼叫。在 ego-browser 中,其 43.7% 的瀏覽器指令碼參照兩個以上分頁,或在已有分頁的同時另開新分頁;GPT-6 Sol 的比例為 0.4%。這是對我們觀察到的指令碼所作的描述,並不能證明使用分頁造成成功次數增加。GPT-6.1 Sol 在 75 次嘗試中仍有 12 次失敗,其中十次給出的答案含有錯誤或遺漏值。

即使用 GPT-6 Sol 的費率計算 GPT-6.1 Sol 已記錄的 token 用量,成本優勢仍然存在。在共同成功任務上,這樣算出的單題成本,使用 Playwright CLI、agent-browser 與 ego-browser 時分別為 $0.402、$0.477 與 $0.523,在每款工具中都低於 GPT-6 Sol。速度則有快有慢:GPT-6.1 Sol 在兩款工具的平均耗時較低,在 agent-browser 略高;而且在兩款工具中,它更快完成的共同成功任務不到一半。

模型與瀏覽器工具成功率平均單題耗時平均單題成本
GPT-6.1 Sol 搭配 Playwright CLI76.0% (19/25)275.6 s$0.287
GPT-6 Sol 搭配 Playwright CLI48.0% (12/25)291.3 s$0.640
GPT-6.1 Sol 搭配 agent-browser80.0% (20/25)327.1 s$0.339
GPT-6 Sol 搭配 agent-browser56.0% (14/25)324.0 s$0.595
GPT-6.1 Sol 搭配 ego-browser96.0% (24/25)195.0 s$0.372
GPT-6 Sol 搭配 ego-browser72.0% (18/25)220.2 s$0.735

每一列的成功率皆涵蓋全部 25 次嘗試。耗時與成本只計入該工具中兩款模型共同通過的任務:Playwright CLI 有 12 項,agent-browser 有 14 項,ego-browser 有 18 項。耗時為等待模型與執行工具的時間總和,不含測試框架在步驟之間耗費的時間。每款工具內的模型配對都是獨立比較,因此這些不同任務組的平均值,不能拿來比較工具間的速度或成本排名。

成功率

GPT-6.1 Sol 在每款工具內都完成了更多測試任務,最大進步來自跨站蒐集。Playwright CLI 增加七次通過,agent-browser 增加六次,ego-browser 也增加六次。三款工具合計,兩款模型共同通過 44 次嘗試、只有 GPT-6.1 Sol 通過 19 次、兩者都失敗 12 次。

任務類型每款工具的任務數Playwright CLIagent-browserego-browser
跨站資料蒐集105 比 26 比 09 比 4
在一至三個網站查詢87 比 47 比 78 比 8
開放式研究33 比 23 比 33 比 2
業務網頁應用程式工作流程44 比 44 比 44 比 4

每格先列 GPT-6.1 Sol 的通過次數,再列 GPT-6 Sol 的通過次數,每項任務只嘗試一次。更換模型對跨站任務的完成情況影響最大。四項測試應用程式任務中,兩款模型搭配每款工具都通過所有嘗試,因此更換模型的理由在於成本。

GPT-6 Sol 輸給 GPT-6.1 Sol 的 19 次嘗試中,六次耗盡步驟預算卻沒有答案,13 次交出了答案,但有錯誤或遺漏值。在全部 75 次嘗試中,GPT-6 Sol 有九次耗盡預算,GPT-6.1 Sol 有兩次。一步指模型的一次回覆,每次嘗試的預算都是 100 步。

SaaS 合規任務說明了一次答錯而失敗的情況。任務要求查詢截至 2026 年 9 月 30 日九家供應商的認證,包含其任何產品版本中最高的 FedRAMP 授權等級。在 ego-browser 中,GPT-6 Sol 瀏覽 Asana 信任頁面的連結後,將 Asana 的值填為 "none"。GPT-6.1 Sol 則沿 Government 連結開啟 Asana Gov,並從新聞稿確認其獲得 FedRAMP Moderate 授權。

重播已記錄的瀏覽器命令:目前 Asana Gov 頁面顯示已獲 FedRAMP Moderate 認證
GPT-6.1 Sol 執行 SaaS 合規任務時,共 38 步中第 21 步的重播。目前頁面顯示已獲 FedRAMP Moderate 認證;10 月 22 日的執行則記錄了授權情況。原始執行日期:2026 年 10 月 22 日。重播畫面擷取於 2026 年 11 月 10 日。 檢視原圖

GPT-6.1 Sol 用 38 步滿足所有檢查要求。GPT-6 Sol 在 22 步後停止,Asana 的錯誤值也連帶改變了它統計的已獲授權供應商數量。

最終表格的欄位正確值GPT-6 Sol 填入的值
Asana 的最高 FedRAMP 授權等級Moderate,透過 Asana Gov 取得none(無)
FedRAMP 達 Moderate 或更高等級的供應商6,包含 Asana5,不含 Asana

GPT-6.1 Sol 本身的失敗也需要檢查:12 次失敗中,有十次給出了含錯誤或遺漏值的答案。若結果要用於決策,僅憑表格已填完,仍不足以信賴其內容。

兩款模型如何運作

完成相同且兩款模型都成功的工作時,GPT-6.1 Sol 使用較少工具呼叫。在共同成功任務上,它於 Playwright CLI 平均每題呼叫 32.6 次,GPT-6 Sol 則為 42.3 次;於 agent-browser 為 34.1 次,對照 50.5 次;於 ego-browser 為 29.8 次,對照 40.1 次。一次工具呼叫,是指呼叫一次代理工具,例如 bash 或檔案讀取器。

在 ego-browser 中,GPT-6.1 Sol 的 735 個指令碼,有 321 個涉及多個分頁或建立新分頁;GPT-6 Sol 的 1,044 個指令碼中則有四個。在 Playwright CLI 與 agent-browser 中,GPT-6.1 Sol 分別有 15.8% 與 9.3% 的 bash 呼叫執行了分頁命令,GPT-6 Sol 的比例為 2.5% 與 2.2%。這些百分比描述不同介面,因此應在每款工具內比較模型。

央行任務呈現了長任務中的差異。任務要求查出十二家央行於 2026 年的首次利率決議,包含表決情況與下次公布日期。GPT-6 Sol 每個指令碼處理一家央行,到第 90 步才查到第十二家,最後耗盡預算,沒有寫出表格。GPT-6.1 Sol 在 38 個瀏覽器指令碼中的 30 個使用兩個分頁,於第 35 步查到該央行,並在第 42 步完成表格。

重播已記錄的瀏覽器命令:代理控制的瀏覽器視窗中,兩個分頁分別開啟美國聯準會 FOMC 日曆與歐洲央行貨幣政策決議
已記錄命令的重播。GPT-6.1 Sol 搭配 ego-browser 執行央行任務,在兩個分頁載入美國聯準會 FOMC 日曆與歐洲央行決議。共 42 步中的第 6 步。原始執行日期:2026 年 10 月 22 日。重播畫面於 2026 年 11 月 10 日在 ego(lite) 中擷取。 檢視原圖

這些內容有助於了解兩次嘗試各自如何進行,並非另行測試分頁策略。較廣泛的完成情況是,跨站任務的 30 次嘗試中,GPT-6.1 Sol 通過了 20 次;GPT-6 Sol 則在 30 次中通過 6 次。

速度

速度不會是我們更換模型的理由。在共同成功任務上,GPT-6.1 Sol 於 Playwright CLI 平均耗時 275.6 秒,GPT-6 Sol 為 291.3 秒;於 agent-browser 為 327.1 秒,對照 324.0 秒;於 ego-browser 為 195.0 秒,對照 220.2 秒。這些平均值包含等待模型及執行工具的時間,且在每款工具內都以相同任務計算。

逐題計數更能看清取捨。在 Playwright CLI 的 12 項共同成功任務中,GPT-6.1 Sol 有五項較快;在 agent-browser 的 14 項中有七項較快;在 ego-browser 的 18 項中也有七項較快。兩款工具的平均耗時較低,並不表示大多數個別任務都更快完成。在這個配置下,完成情況與成本的改善,才是選擇它的較充分理由。

成本

在各工具內兩款模型共同完成的任務上,GPT-6.1 Sol 的成本都較低。在 Playwright CLI 的 12 項共同成功任務上,它全部較便宜;在 agent-browser 的 14 項中有 13 項較便宜;在 ego-browser 的 18 項中有 17 項較便宜。表格將記錄到的 token 用量變化,與模型費率變化分開呈現。

瀏覽器工具GPT-6.1 Sol以 GPT-6 Sol 費率計算 GPT-6.1 Sol 的 token 用量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

這些是各工具內共同成功任務的平均單題模型成本。我們採用OpenAI 的標準 API 費率:兩款模型的未快取輸入 token 均為每百萬個 $2.00,輸出 token 均為每百萬個 $10.00。快取輸入方面,GPT-6.1 Sol 為每百萬個 token $0.10,GPT-6 Sol 為 $0.20。這些是按 API 費率換算的 token 成本,並非代理訂閱價格。

納入失敗嘗試後,Playwright CLI 的平均單題模型成本為 $0.410 對 $0.752,agent-browser 為 $0.586 對 $0.833,ego-browser 為 $0.430 對 $0.842。計入所有嘗試、按各模型自身費率計算時,GPT-6.1 Sol 的成本較低。共同成功任務上,即使改用 GPT-6 Sol 費率計價,它的成本仍較低。

該選哪款模型

針對本文的 pi 配置與所涵蓋的工作,我們會選擇高推理強度的 GPT-6.1 Sol。它在每款工具中通過更多任務、成本也較低,而且 75 組比較中,沒有一組從 GPT-6 Sol 成功變為 GPT-6.1 Sol 失敗。我們不會據此預期速度能穩定提升。

跨站蒐集的通過次數,從 30 次嘗試中的 6 次,提升到 30 次中的 20 次。GPT-6.1 Sol 仍有十次失敗,因此我們會先檢查回傳的表格再使用。四項測試應用程式工作流程中,兩款模型都通過所有嘗試,模型成本才是有參考價值的差異。

測試配置使用 pi 代理執行框架、高推理強度、bash,以及各瀏覽器工具的 skill 檔案。ego-browser 驅動 ego(lite),Playwright CLI 和 agent-browser 則驅動 Chrome。每款工具內的模型比較都採用相同的工具版本與指引。

ego(lite) 在這項比較中的角色

ego(lite) 是由 ego-browser 驅動的瀏覽器,而非這次比較的模型。ego-browser 整合指南說明了兩者如何連接;其他配置中的 Playwright CLI 與 agent-browser,則是驅動 Chrome。

比較工具之前,先在同一款工具內選擇模型。每款工具的模型成本與耗時平均值,都以各自的共同成功任務計算,因此不能用這些平均值替工具彼此排名。對類似 pi 工作有參考價值的是記錄中的完成情況與模型成本取捨,速度表現則仍有快有慢。

常見問題

對瀏覽器代理而言,GPT-6.1 Sol 比 GPT-6 Sol 更好嗎?

在我們的 pi 配置中,GPT-6.1 Sol 在三款工具內都通過了更多測試任務,每組均為 25 項。它在 Playwright CLI、agent-browser 與 ego-browser 分別通過 19、20 與 24 次嘗試,GPT-6 Sol 則通過 12、14 與 18 次。沒有一組比較從舊模型成功變為新模型失敗。

GPT-6.1 Sol 比 GPT-6 Sol 便宜嗎?

在兩款模型共同通過的任務上,GPT-6.1 Sol 在每款工具內的平均模型成本都較低。單題數值分別為 $0.287 對 $0.640、$0.339 對 $0.595,以及 $0.372 對 $0.735。即使以 GPT-6 Sol 費率計算它已記錄的 token 用量,成本仍然較低。

GPT-6.1 Sol 比 GPT-6 Sol 快嗎?

以等待模型加上執行工具的時間計算,GPT-6.1 Sol 在兩款工具中的平均耗時較低,在 agent-browser 則略高。在 Playwright CLI、agent-browser 與 ego-browser 的共同成功任務中,它分別有 12 項中的五項、14 項中的七項與 18 項中的七項較快。我們會因完成情況與成本選擇它,而非預期速度能穩定提升。

GPT-6.1 Sol 的瀏覽器操作有何改變?

在共同成功任務中,GPT-6.1 Sol 在每款工具內都使用較少的工具呼叫。在 ego-browser 中,它的 43.7% 指令碼涉及多個分頁或另開新分頁,GPT-6 Sol 則為 0.4%。75 次嘗試中,GPT-6.1 Sol 有兩次耗盡步驟預算卻未給出答案,GPT-6 Sol 有九次。

有沒有 GPT-6 Sol 通過、GPT-6.1 Sol 卻失敗的任務?

沒有,這些各含 25 項任務的比較中,未出現這種情況。三款工具合計有 19 個結果從 GPT-6 Sol 失敗變為 GPT-6.1 Sol 成功,沒有反向變化。兩款模型共同通過 44 次嘗試,共同失敗 12 次。

GPT-6.1 Sol 在瀏覽器中仍會犯什麼錯?

三款工具合計,GPT-6.1 Sol 的 75 次嘗試中有 12 次失敗。十次給出的答案含錯誤或遺漏值,兩次耗盡步驟預算。表格看起來已填妥,仍可能有錯。

GPT-6.1 Sol 的跨站資料蒐集表現如何?

十項任務要求從 9 到 16 個網站蒐集相同欄位;合計 30 次嘗試中,GPT-6.1 Sol 通過 20 次,GPT-6 Sol 則在 30 次中通過 6 次。新增的成功大多來自這組任務。GPT-6.1 Sol 在其中仍有十次失敗。

瀏覽器工具會影響哪款模型完成更多任務嗎?

GPT-6.1 Sol 在三款受測工具中都通過較多任務。Playwright CLI 增加七次通過,agent-browser 與 ego-browser 各增加六次。速度上的取捨則因工具而異。

只操作單一網頁應用程式,也值得用 GPT-6.1 Sol 嗎?

兩款模型搭配每款工具,都通過了全部四項測試應用程式工作流程。更換模型並未改善這些應用程式中的完成情況,但降低了平均模型成本。這支持在本次受測配置下,基於成本選擇 GPT-6.1 Sol。

測試方法

我們透過 pi 代理執行框架,以高推理強度執行 gpt-6.1-sol 與 gpt-6-sol,使用 bash 並為每款瀏覽器工具提供 skill 檔案。ego-browser 的執行始於 2026 年 10 月 22 日;Playwright CLI 與 agent-browser 則始於 2026 年 11 月 5 日。六組主要執行均使用同一部 Apple silicon Mac,同時進行十項任務。

主要比較採用 25 項任務,全部六種模型與工具組合都有這些任務的首次嘗試紀錄。我們從所有組合排除了最低工資及 MDN 相容性任務,因為至少有一次封存嘗試已被之後針對性的重跑取代。納入計算的嘗試來自 2026 年 10 月 22 日與 11 月 5 日。

工具版本為 Playwright CLI 0.1.22、agent-browser 0.39.1 與 ego-browser v2.1.0。在每款工具內,兩款模型使用相同的工具版本、skill 檔案、步驟預算與任務檢查項目。每次嘗試最多可使用 100 次模型回覆,之後執行框架就會將其終止。

25 項任務包括十項跨站資料蒐集、八項在一至三個網站查詢的任務、三項開放式研究,以及四項測試網頁應用程式工作流程。每項任務依據其定義歸入一個類別。示例與完整結果皆採相同的 25 項任務範圍。

一次嘗試,指一款模型透過一款工具執行一項任務。一次工具呼叫會呼叫一個代理工具;在含有工具呼叫的 7,202 次回覆中,有 7,200 次回覆恰好發起一次呼叫。一個 ego-browser 指令碼,指一次 ego-browser nodejs 呼叫。通過表示最終答案滿足該任務規定的所有檢查,包括交付內容完整性檢查。

耗時為記錄中的模型 API 等待時間加上工具執行時間,不含步驟之間的框架處理時間。速度與成本的比較採每款工具內兩款模型共同通過的任務。模型成本以所列 token 費率計算記錄用量,並在文中明確註明時納入失敗嘗試。重新計價時,固定 GPT-6.1 Sol 的用量,改用 GPT-6 Sol 的費率。

對 ego-browser 的分頁使用情況,我們統計了每款模型全部 25 次嘗試中,參照多個頁面代號或另外建立頁面的指令碼。其他工具則統計含有分頁命令的 bash 呼叫。這些是各介面特有的觀察;開啟或參照分頁,本身不能證明同時執行。

完整結果

每格列出一次嘗試的結果、等待模型加執行工具的耗時(秒),以及以美元計算的模型 token 成本。這裡的耗時與成本包含失敗嘗試;概覽平均值則只採上文定義的共同成功任務。所有計入的任務與全部六種組合都已列出。

任務任務類型Playwright CLI,GPT-6.1 SolPlaywright CLI,GPT-6 Solagent-browser,GPT-6.1 Solagent-browser,GPT-6 Solego-browser,GPT-6.1 Solego-browser,GPT-6 Sol
在測試旅遊應用程式預訂符合政策的行程業務網頁應用程式工作流程通過,197.4 s,$0.224通過,164.0 s,$0.528通過,286.8 s,$0.285通過,267.5 s,$0.427通過,177.9 s,$0.311通過,142.9 s,$0.387
依標準調整 1 級服務的監控設定業務網頁應用程式工作流程通過,145.5 s,$0.153通過,124.1 s,$0.245通過,331.8 s,$0.414通過,283.0 s,$0.607通過,137.6 s,$0.125通過,91.3 s,$0.215
核對二月發票與付款,並提出爭議業務網頁應用程式工作流程通過,253.0 s,$0.309通過,154.0 s,$0.362通過,520.4 s,$0.433通過,501.4 s,$1.052通過,190.6 s,$0.239通過,184.3 s,$0.420
依供應商與庫存水位建立採購單業務網頁應用程式工作流程通過,189.5 s,$0.164通過,116.4 s,$0.344通過,307.2 s,$0.244通過,367.2 s,$0.630通過,164.5 s,$0.172通過,125.2 s,$0.191
Apple 美國商店的三種 MacBook 配置在一至三個網站查詢通過,314.1 s,$0.367通過,357.8 s,$0.651通過,348.5 s,$0.440通過,471.0 s,$0.620通過,223.1 s,$0.483通過,191.8 s,$1.160
Box Office Mojo 與 Wikipedia 上六部 Wes Anderson 電影的票房在一至三個網站查詢通過,180.9 s,$0.151通過,496.1 s,$0.594通過,334.7 s,$0.339通過,487.0 s,$0.570通過,142.0 s,$0.179通過,105.2 s,$0.237
透過 Companies House 對四家英國公司進行 KYC 篩查在一至三個網站查詢通過,185.8 s,$0.178通過,226.0 s,$0.583通過,579.3 s,$0.393通過,319.4 s,$0.708通過,177.9 s,$0.423通過,121.2 s,$0.529
將 2021 年異位性皮膚炎試驗與對應藥品仿單核對在一至三個網站查詢通過,332.6 s,$0.352未通過,583.0 s,$0.744通過,317.1 s,$0.418通過,482.8 s,$0.857通過,234.4 s,$0.450通過,252.3 s,$0.796
將 FRED 上三組 CPI 序列與 BLS 核對在一至三個網站查詢通過,441.5 s,$0.221通過,417.7 s,$0.262通過,429.0 s,$0.372通過,265.7 s,$0.922通過,97.4 s,$0.187通過,44.5 s,$0.164
航班搜尋網站上飛往丹佛的最低不經停票價在一至三個網站查詢通過,411.5 s,$0.471未通過,616.3 s,$0.948未通過,872.9 s,$1.109未通過,690.9 s,$1.342通過,338.0 s,$0.609通過,385.3 s,$1.503
將 X 上一週的 SpaceX 發射貼文與 Wikipedia 核對在一至三個網站查詢未通過,118.0 s,$0.088未通過,363.3 s,$0.491通過,224.4 s,$0.151通過,239.4 s,$0.577通過,112.7 s,$0.183通過,499.8 s,$0.269
將一場 YouTube 講座與其 GitHub 指令碼及 arXiv 論文核對在一至三個網站查詢通過,467.3 s,$0.700未通過,454.7 s,$0.922通過,221.6 s,$0.349通過,235.8 s,$0.395通過,94.7 s,$0.274通過,132.1 s,$0.574
九家音樂服務如何列出同一張專輯跨站資料蒐集未通過,440.3 s,$0.603未通過,419.9 s,$1.117通過,678.2 s,$0.995未通過,688.6 s,$1.068未通過,180.2 s,$0.489未通過,227.8 s,$1.179
十二家央行於 2026 年的首次利率決議跨站資料蒐集通過,686.3 s,$0.917未通過,713.3 s,$1.273未通過,694.0 s,$1.008未通過,674.2 s,$1.069通過,318.3 s,$0.643未通過,377.3 s,$2.641
九場開發者大會的開幕主題演講跨站資料蒐集通過,726.0 s,$0.960通過,701.9 s,$2.388通過,507.9 s,$0.949未通過,459.7 s,$1.606通過,488.4 s,$1.174通過,473.4 s,$1.495
九款電動 SUV 的美國市場規格跨站資料蒐集通過,756.9 s,$0.771未通過,730.6 s,$0.964未通過,495.9 s,$0.801未通過,595.0 s,$1.071通過,413.6 s,$0.843未通過,316.8 s,$1.471
Hugging Face 上九個開放權重模型的核准表跨站資料蒐集未通過,537.6 s,$0.719未通過,616.2 s,$0.986通過,651.6 s,$1.020未通過,663.4 s,$1.194通過,352.8 s,$0.804通過,330.1 s,$1.198
九款旗艦手機的英國官方規格跨站資料蒐集通過,575.9 s,$0.635未通過,642.9 s,$0.773通過,786.8 s,$0.942未通過,392.0 s,$0.743通過,348.1 s,$0.704未通過,270.2 s,$0.765
九個 SaaS 信任中心的合規矩陣跨站資料蒐集未通過,683.8 s,$0.577未通過,560.0 s,$0.642未通過,704.3 s,$0.736未通過,464.7 s,$0.542通過,299.8 s,$0.592未通過,185.1 s,$0.451
九個無伺服器平台的免費方案跨站資料蒐集通過,369.2 s,$0.395通過,441.0 s,$0.491未通過,582.5 s,$0.529未通過,763.6 s,$1.241通過,199.4 s,$0.360通過,267.4 s,$1.331
八個開源專案在 X 與官網發布的安全版本跨站資料蒐集未通過,318.5 s,$0.392未通過,334.8 s,$0.903通過,619.8 s,$0.892未通過,670.8 s,$1.468通過,231.5 s,$0.441通過,434.8 s,$2.405
X 與新聞稿中的八次消費性電子產品發布跨站資料蒐集未通過,404.1 s,$0.401未通過,397.8 s,$0.917通過,675.0 s,$0.924未通過,528.6 s,$1.139通過,389.1 s,$0.541未通過,567.1 s,$1.101
從 ARC Prize 排行榜圖讀取成本與分數開放式研究通過,171.3 s,$0.185通過,239.0 s,$1.092通過,361.3 s,$0.466通過,304.5 s,$0.357通過,84.9 s,$0.201通過,83.5 s,$0.257
依 Epoch AI 資料統計超過歐盟運算量門檻的模型數開放式研究通過,132.7 s,$0.132通過,57.9 s,$0.139通過,106.5 s,$0.147通過,116.1 s,$0.159通過,62.2 s,$0.090通過,99.0 s,$0.105
追溯 Wikipedia 大型語言模型列表中的十條引文開放式研究通過,340.0 s,$0.189未通過,654.3 s,$0.435通過,211.0 s,$0.300通過,194.6 s,$0.451通過,169.6 s,$0.244未通過,151.4 s,$0.202

繼續閱讀