如果要已公布成功率里最高的，2026 年 10 月选 Claude Opus 5.5。如果要接近的分数和一半的价格，选 Claude Sonnet 5.5。预算紧时，Claude Haiku 5.5 和 Gemini 3.8 Flash 每一步便宜很多。要开源权重，选 H Company 的 Holo4。下面每个数字都来自厂商自己的页面，读取日期是 2026 年 10 月 27 日。
按任务选
| 任务 | 选择 | 原因 | 每百万 token 价格（输入 / 输出） |
|---|---|---|---|
| 最高分 | Claude Opus 5.5 | OSWorld 2.1 为 81.8%（部分分数），自带浏览器工具集 | $4 / $20 |
| 性价比 | Claude Sonnet 5.5 | OSWorld 2.1 为 80.1%，价格是 Opus 的一半 | $2 / $10 |
| 低价 | Claude Haiku 5.5 | OSWorld 2.1 离线子集 72.4% | $0.10 / $0.50（提示不超过 100K） |
| 开源权重 | Holo4 35B-A3B | Apache 2.0 权重，在 H 的测试框架里 OSWorld 80.8%，单任务 $0.05 | H 的 API 为 $0.30 / $2.00 |
| 用代码驱动浏览器 | GPT-6 Astra | OpenAI 建议用代码执行（Playwright），而不是逐步点击 | $10 / $50 |
| 低价 DOM 模式 | GPT-6.1 Terra | 支持 computer_use，上下文 1.05M，文本加图像输入 |
$1 / $5 |
各家用的 OSWorld 版本、子集和测试框架不一样。每个数字只代表该厂商的说法，不是同一张排名表。
AI Coding 交流群
如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。
浏览器智能体怎么用模型
浏览器智能体是一个循环：模型看页面，选一个动作，代码执行，新的页面状态再送回模型。人做 2 分钟的事，可能要 30 到 60 轮。
模型看页面有两种方式：
- 截图模式。 模型收到图像，返回要点击的像素坐标。画布应用、地图和远程桌面都能用，但每一步都要付图像 token。
- DOM 或无障碍树模式。 模型收到元素的文本列表，引用类似
[ref_2]，按引用点击。版式变化时更稳，文字多的页面 token 更少。
现在的工具集大多两种都有。Anthropic 的 浏览器工具（browser_toolset_20260801，已正式发布）有 31 个成员工具：read_page 和 find 返回无障碍树，screenshot 和 zoom 用来处理画布、视频和跨源 iframe。OpenAI 的 计算机操作指南 提供 BrowserToolset，读页面文字并调用驱动函数。Google 的 计算机操作工具 基于截图，覆盖浏览器、手机和桌面。
为什么步数会把费用放大
每一步都会重发对话，所以第 30 步带着工具集定义、你的说明，以及前 29 步的历史。有两项固定成本垫底：
- 工具集开销。 按 Anthropic 价格页，声明它的浏览器工具集，每次请求大约增加 6,600 个输入 token。
- 截图。 Claude 按每 28×28 像素一块、一块一个视觉 token 计图像。一张 1280×800 的截图是 46 × 29 = 1,334 token。
逐个模型
Claude Opus 5.5
Anthropic 于 2026 年 9 月 22 日发布 Opus 5.5，报告 OSWorld 2.1 为 81.8%（部分分数），高于 Claude Fable 5.1 的 80.7%。Fable 5.1 是 10 / 50 美元，所以 Opus 5.5 在这项基准上用 40% 的价格超过它。H Company 的 Holo4 文章把 Opus 5.5 在 OSWorld 2.0 长流程上标为 81.8%、单任务 8.48 美元，费用是从供应商图表上读的。
它还和 Fable 5.1 并列 Gray Swan 基准上最低的提示注入成功率。智能体要读不可信页面时，这一点有用。
Claude Sonnet 5.5
Sonnet 5.5（2026 年 9 月 28 日）在 OSWorld 2.1 上是 80.1%，比 Opus 低 1.7 分，价格是 2 / 10 美元。缓存命中每百万 token 0.10 美元，智能体循环大多是缓存命中。多数生产环境的浏览器智能体可以默认用它。如果从 Claude Code 驱动浏览器，见「用 Claude Code 做浏览器自动化」。
Claude Haiku 5.5
Haiku 5.5（2026 年 10 月 7 日）在 OSWorld 2.1 离线子集上是 72.4%。Anthropic 在同一子集列出 GPT-6 Luna 为 48.9%。价格分两档：提示不超过 100,000 token 时是 0.10 / 0.50 美元，超过后是 0.50 / 2.50 美元。长会话如果保留每一张截图，很快会过 100K，所以要丢掉旧截图，才能留在便宜档。
GPT-6 Astra
Google 的 Gemini 4 Argon 模型卡 把 GPT-6 Astra 标为 OSWorld 2.0 离线子集 72.6%（部分分数）。Astra 是 10 / 50 美元，上下文 1.05M。OpenAI 的指南说，对 Astra 建议用代码执行：模型写 Playwright 或 PyAutoGUI，而不是一步一步点。这适合重复的抓取和填表。什么时候改成交规范，见「GPT-6 Astra 计算机操作」。
GPT-6.1 Terra 和 Sol
OpenAI 模型页把 computer_use 列为 GPT-6.1 Terra 的工具（1 / 5 美元，缓存输入 0.05 美元）。计算机操作指南里的例子用的是 GPT-6.1 Sol（2 / 10 美元）。这两页都没有公布浏览器或 OSWorld 分数。Terra 适合当 DOM 模式的常用模型，但要用自己的任务测。
Gemini 4 Argon 和 Gemini 3.8 Flash
Gemini 4 Argon 于 2026 年 10 月 13 日正式发布。模型卡显示 OSWorld 2.0 离线子集 69.2%，Agent's Last Exam（计算机操作）39.5%，高于 Astra 的 34.2% 和 Opus 5.5 的 38.2%。Argon 上的计算机操作仍是预览。价格在 2026 年 11 月 30 日前是 2 / 10 美元，之后是 4 / 20 美元。
Google 的计算机操作页推荐 gemini-3.8-flash（2026 年 12 月 31 日前 0.75 / 3.75 美元），但没有给它的基准。Gemini 2.5 Computer Use 已经不在那一页上，所以这里不列入。
Holo4（开源权重）
H Company 于 2026 年 9 月 28 日发布 Holo4，接替 Holo3。在它自己的测试框架里，Holo4 27B 在 OSWorld 上是 85.2%、单任务 0.08 美元，在 OSWorld 2.0 长流程上是 61.7%、单任务 1.22 美元。35B-A3B 在同样两项上是 80.8% 和 30.9%，单任务 0.05 和 0.61 美元。H 称 35B-A3B 的权重是 Apache 2.0；27B 商用前先看模型卡上的许可证。两者都在 H 的 API 上：27B 为 0.40 / 3.00 美元，35B-A3B 为 0.30 / 2.00 美元。上一代 API 见「Holo3」。
Kimi K3.1 Pro、DeepSeek V4.1 Flash 和 Qwen 3.7 Plus
- Kimi K3.1 Pro 按 Moonshot 的快速开始文档，接受图像和视频，上下文 1M。发布时的 BrowseComp 分数衡量的是网页调研，不是在页面上点击，也没有公布计算机操作分数。价格以 Kimi 价格页为准。原文这里的链接不完整，待核实。
- DeepSeek V4.1 Flash（
deepseek-flash）已支持图像输入。按 DeepSeek 价格页，非高峰 0.15 / 0.60 美元，高峰 0.30 / 1.20 美元。没有公布浏览器基准。这里面它是 DOM 模式最便宜的选项。 - Qwen 3.7 Plus 报告 ScreenSpot Pro 为 79.0，这是截图定位测试。见「Qwen 3.7 Plus 计算机操作智能体」。
框架团队在测什么
Browser Use 的 模型指南（BU Bench V1，2026 年 6 月 11 日更新）给出速度一侧：Claude Fable 5 达到 80.0%，但平均 6 分 53 秒，单任务约 5.80 美元。5.5 系列还不在这张表上。框架本身见「Browser Use Cloud」「Stagehand」和「Puppeteer MCP」。
单任务费用：一笔估算
假设在 Claude 上用浏览器工具集做 30 步。每一步增加一张 1,334 token 的截图，再加上大约 450 token 的动作文字和工具结果，模型写出大约 300 个输出 token。
- 第 n 步输入 ≈ 6,600 + n × 1,784 token
- 30 步总输入 ≈ 198,000 + 1,784 × 465 ≈ 103 万 token
- 总输出 ≈ 9,000 token
| 模型 | 不缓存 | 提示缓存（大约 95% 命中） |
|---|---|---|
| Claude Opus 5.5 | 约 $4.30 | 约 $0.68 |
| Claude Sonnet 5.5 | 约 $2.15 | 约 $0.34 |
| Claude Haiku 5.5 | 约 $0.11 | 约 $0.02 |
这些是按 Anthropic 标价做的示意，不是实测。有两点仍然成立：缓存能把账单砍掉 80% 以上；从历史里丢掉旧截图，比换更便宜的模型更省。
怎么选
- 先用 Sonnet 5.5。 分数离最高只差 2 分以内，价格是一半。
- 只有真实任务的成功率卡住时，再升到 Opus 5.5。
- 高调用量、短、重复的流程，降到 Haiku 5.5 或 Gemini 3.8 Flash。 先测再降。
- 数据不能离开自己的基础设施时，用 Holo4。
- 工作是可重复脚本而不是探索时，用带代码执行的 GPT-6 Astra。
- 网站有 API 时，不要走浏览器。 一次 API 调用代替 30 步。什么时候该用哪边，见「计算机操作与结构化 API」。其他工具见「浏览器自动化工具」。
有 API 时先测接口
浏览器智能体又慢又贵。如果页面背后是 JSON API，更便宜的做法是找到那个接口，直接测它。原文后半给出了来源产品的 CLI，用来导入流量并断言接口。Apifox 是否提供同名 CLI，待核实，因此不照搬命令。可以保留的做法是：把结账流程的请求整理成接口用例，对 POST /api/cart/items 断言 200 和数字类型的 cartTotal，在预发环境跑一遍。密钥和令牌放在环境里。
常见问题
现在浏览器智能体最好的模型是哪个？ 厂商公布的 OSWorld 2.1 里，Claude Opus 5.5 最高，81.8%。Claude Sonnet 5.5 是 80.1%，价格一半，多数团队更适合当默认。
预算有限时计算机操作用哪个？ Claude Haiku 5.5，0.10 / 0.50 美元，在 Anthropic 的 OSWorld 2.1 离线子集上是 72.4%。提示保持在 100,000 token 以内，才能留在便宜档。
有适合浏览器智能体的开源权重模型吗？ 有。Holo4 35B-A3B 提供 Apache 2.0 权重，在 H Company 的测试框架里 OSWorld 为 80.8%。Holo4 27B 分数更高，商用前先看许可证。
用截图还是 DOM？ 页面有无障碍树或 DOM 时优先用它，更便宜，也更能扛版式变化。画布、地图、视频和远程桌面再退回截图。
能直接比较各家的 OSWorld 分数吗？ 只能粗比。厂商报的是 OSWorld 2.0、2.1、离线子集和不同测试框架下的部分分数。定模型前，先用自己的 20 到 50 个真实任务跑一遍。
Gemini 2.5 Computer Use 还能用吗？ 截至 2026 年 10 月 27 日，它已经不在 Google 的计算机操作页上。Google 列出的是 Gemini 4 Argon、Gemini 3.8 Flash、Gemini 3.5 Flash-Lite 和 Gemini 3 Flash Preview。
HiFox ：将 Agent 变成真正的队友
另外，我们也在思考，AI 如何从个人提效走进团队协作。
HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。
👉 立即体验 Hifox：https://hifox.com
AI Coding 交流群
如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。