
הציון של 82% של GPT-6.2 Sol ב-Browser-Use הוא ציוץ, לא רשומה בלוח המובילים
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 184 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 223 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 87 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 96 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
ב-18 בנובמבר, Browser Use פרסמה שGPT-6.2 Sol הוא המודל המוביל בבנצ'מרק סוכני הדפדפן שלה: 82%, לעומת 81% עבור GPT-6.1 Sol, זול ב-35% לכל משימה, מהיר פי שניים, וב-36% פחות שלבים. גרג ברוקמן הדהד זאת באותו יום עם "GPT-6.2 מדהים בשימוש בדפדפן." יומיים קודם לכן, OpenAI השיקה את GPT-6.2 Sol במחיר של $2 למיליון טוקני קלט ו-$10 למיליון טוקני פלט. הטענה טובה, וסביר שהיא בכיוון הנכון. היא גם, נכון להיום, המקום היחיד שבו ארבעת המספרים האלה קיימים. לוח הדירוג הציבורי של Browser Use עצמה עדיין מציג את GPT-6.1 Sol ב-81.3 ואין בו כלל שורה של GPT-6.2 Sol — עמוד התוצאות שלה נושא חותמת עדכון אחרון מתאריך 29 באוקטובר 2026, וכתובת ה-URL שאמורה להכיל עמוד פר מודל עבור GPT-6.2 Sol מחזירה 404. אז הגרסה הכנה של הסיפור הזה צרה יותר ושימושית יותר מהציוץ: ספקית בנצ'מרקים אומרת לכם שהמודל שהיא מדרגת עכשיו במקום הראשון טוב יותר, זול יותר ומהיר יותר מהמודל שהיא דירגה במקום הראשון לפני שלושה שבועות, והלוח שבדרך כלל הייתם בודקים כדי לאשר זאת עדיין לא הדביק את הפער.
מה ש-Browser Use פרסם בפועל, במלואו
הפוסט המצוטט הגיע מהחשבון של Browser Use עצמו בשעה 00:09 UTC ב-18 בנובמבר. בו נכתב: "GPT-6.2 Sol הוא המודל המוביל לשימוש בדפדפן 👀 — 82%, לעומת 81% עבור GPT-6.1 Sol; זול ב-35%; מהיר פי 2: 12 דקות במקום 22 דקות; 36% פחות שלבים." אלה ארבע טענות נפרדות בעלות עוצמה שונה מאוד, ויש להפריד ביניהן לפני שמשתמשים באחת מהן כדי להצדיק מעבר.
• ציון — 82 מול 81. נקודה אחת מתוך ציון רובריקה משוקלל וממוצע של 0–100, במדד שהמתודולוגיה שפורסמה שלו מתארת 180 משימות המופעלות באתרים חיים. נקודה אחת נמצאת בתוך תחום הרעש של מדד שמופעל מחדש מול אתרי צד שלישי משתנים.
• עלות לכל משימה — זול ב-35%. זו הטענה החזקה ביותר בקבוצה, משום שהיא הטענה שמפעיל סוכן יכול לשחזר בזול, ומשום שהיא מוגבלת אריתמטית: מחירי הטוקנים לא השתנו, ולכן החיסכון חייב לבוא ממקום אחר.
• זמן שעון קיר — 12 דקות במקום 22. זוהי הטענה שסותרת בצורה הישירה ביותר את הנתונים שהספק עצמו פרסם, והיא נדונה להלן.
• שלבים — פחות ב־36%. בסוכן דפדפן, שלבים הם קריאות לכלים, וקריאות לכלים הן המקום שבו לולאת סוכן מוציאה גם כסף וגם זמן. צמצום של 36% במספר השלבים עשוי להסביר באופן סביר את רוב שלושת המספרים האחרים בבת אחת.
Browser Use Bench v2.1 אינו תרגיל שיווקי. כרטיס המתודולוגיה שלו מציין במפורש שהציון הוא ציון רובריקה ממוצע משוקלל לכל משימה בסולם 0–100, שעמודת העלות היא עלות מודל משוערת לכל משימה בדולר ארה״ב ואינה כוללת עלויות חיפוש, שיפוט, דפדפן ומריץ, ושההרצות מתבצעות על 180 אתרים חיים ולא על סט בדיקות קפוא. זהו משטר מדידה אמיתי. זה גם משטר שבו שינוי של נקודה אחת בציון והרצה חוזרת של אתר חי אינם אותו סוג של ראיה, ולכן הלוח היה היסטורית שמרני יותר מהפוסטים החברתיים של עצמו.
ארבעת המספרים לא נמצאים על הלוח
בדקנו את טבלת הדירוג בכתובת browser-use.com/benchmarks/agents ב-19 בנובמבר 2026. מטא-הנתונים של מערך הנתונים המובנה המוטמע בעמוד הזה עדיין מציגים את הכיתוב "Browser Use Bench v2.1 model results" עם dateModified של 2026-10-29. חיפוש בקוד המקור של העמוד אחר המחרוזת "GPT-6.2" מחזיר אפס התאמות. העמוד לכל מודל בכתובת browser-use.com/benchmarks/models/gpt-6-2-sol אינו קיים — הוא מחזיר דף 404. וגם ה-FAQ של העמוד עצמו עדיין מתאר את הדירוג העומד בתוקף כך: "GPT-6.1 Sol high: 81.3 מתוך 100 במחיר $1.92 למשימה, על 180 משימות באתרים חיים. הבא הוא GPT-6 Sol high עם 79.4."

זו אינה האשמה בחוסר תום לב. בנצ'מרקים מתפרסמים בקצב קבוע, והודעות לא; החשבון שפרסם ב-18 בנובמבר הוא זה שמפעיל את מערך הבדיקות, כך שיש לו את המספרים לפני האתר. אבל זה אכן מגדיר את המעמד האפיסטמי של המאמר הזה, ושל כל החלטת רכש שתתקבל ממנו השבוע: הנתונים 82%, 35%, 2x ו-36% מדווחים על ידי הספק ואינם מפורסמים, במובן הספציפי שטבלת הפרסום של הספק עצמו עדיין אינה מכילה אותם. צוות שמעביר היום סוכן דפדפן בסביבת ייצור ל-GPT-6.2 Sol פועל על סמך הודעת בנצ'מרק, לא על סמך תוצאת בנצ'מרק.
החדשות הטובות הן שההכרזה קלה להפרכה. אם המספרים יחזיקו מעמד, לוח מעודכן עם שורה של GPT-6.2 Sol אמור להופיע בתוך ימים, וארבעת המספרים אמורים לעבור בשלום את המפגש עם ה-JSON. אם השורה תופיע עם מספרים שונים, תדעו זאת לפני שתבנו מחדש משהו.
קו הבסיס בציוץ אינו תואם את קו הבסיס שעל הלוח
הנה הפרט שכדאי לסמן, משום שזה מסוג הדברים שהולכים לאיבוד כשטענה עוברת כצילום מסך. הציוץ מציג את התוצאה הקודמת של GPT-6.1 Sol כ"81%" ו"22 דקות". לוח התוצאות שפרסם Browser Use מציג את GPT-6.1 Sol במאמץ חשיבה גבוה כ-81.3 מתוך 100 בעלות של $1.92 למשימה, עם חציון של 14.3 דקות. הציון קרוב מספיק — 81 ו-81.3 הם אותו מספר מעוגל באופן שונה. הזמן לא. ארבע עשרה דקות ועשרים ושתיים דקות אינן אותה מדידה.

יש הסברים תמימים. עמודת הזמן בלוח המובילים היא חציון על פני 180 משימות חיות, וחציונים רגישים לשאלה אילו משימות מושמטות כאשר אתר נכשל; 22 דקות יכולות להיות ממוצע, יכולות להיות תת-קבוצה של מאמץ גבוה בלבד, יכולות להיות פרוסת משימות אחרת, או יכולות להיות זמן הריצה לפני שתיקון להרנס נכנס בין 29 באוקטובר ל-18 בנובמבר. יש גם הסבר פחות תמים: נתון הזמן בציוץ הוא השוואה שנבחרה כדי לגרום למודל החדש להיראות מהיר יותר, והמכנה ההוגן לטענת מהירות כפולה הוא מה שאותו הרנס הפיק עבור המודל הישן באותו יום.
אינך יכול להכריע בכך מבחוץ. מה שאתה כן יכול לעשות הוא לסרב לייבא את היחס. "מהיר פי 2" כאן פירושו "מערך הבדיקות של הספק מ-18 בנובמבר מדד 12 דקות בעוד שעבור הדגם הקודם הוא מדד 22 דקות", ולא ש"GPT-6.2 Sol מהיר פי שניים מהדגם שלוח התוצאות הציבורי אומר שהוא רץ ב-14.3 דקות". אם המהירות היא הסיבה שאתה שוקל לעבור, המספר שעליו יש לתכנן הוא הנתון המפורסם של 14.3 דקות עד שלוח חדש יחליף אותו, משום שזה היחיד שיש מאחוריו עמוד מתודולוגיה.
מדוע הטענה היא "זול יותר ב-35%", עם החישוב שמתחתיה
התמחור הופך את טענת העלות לניתנת לבדיקה באופן שהאחרים אינם מאפשרים. ל-GPT-6.2 Sol ול-GPT-6.1 Sol אותו מחירון, לפי דפי המודלים של OpenAI עצמה:
• קלט — $2.00 למיליון טוקנים בשניהם.
• קלט במטמון — $0.10 למיליון אסימונים בשניהם. כתיבות מטמון הן $2.50 למיליון עבור מטמון של 30 דקות, $5.00 עבור כתיבה של 12 שעות, בשניהם.
• פלט — $10.00 למיליון טוקנים בשניהם.
• הקשר ארוך — מעל 272,000 טוקני קלט, תעריפי הקלט והמטמון מוכפלים ותעריף הפלט עולה ל-1.5x עבור הבקשה כולה, בשני המודלים. הצוק נמצא באותו מקום.
• Batch — 50% מהתעריפים הסטנדרטיים בשניהם; מצב Fast מכפיל, ו-Ultrafast משלש עד 28 בפברואר 2027 ומכפיל פי שישה החל מ-1 במרץ 2027 בשניהם.
• הקשר — חלון של 1,050,000 טוקנים, מקסימום קלט 922,000, מקסימום פלט 128,000, טקסט ותמונה בקלט, טקסט בפלט, בשניהם. תאריך החיתוך של הידע של GPT-6.2 Sol הוא 1 ביוני 2026 לעומת 30 באפריל 2026.
קלטים זהים, מחירים זהים לכל טוקן. לכן ירידה של 35% בעלות לכל משימה לא יכולה להיות הורדת מחיר. היא חייבת לנבוע מפחות טוקנים שנקנו, והציוץ מספק את המנגנון: 36% פחות שלבים. חשבון הטוקנים של סוכן דפדפן נשלט על ידי היסטוריית השיחה שמשוחזרת בכל שלב, ולכן מספר השלבים והעלות גדלים יחד כמעט באופן ליניארי בהרצה ארוכה. קיצרו את מספר השלבים בשליש והחשבון יורד בכשליש בערך, וזה בדיוק גודל החיסכון המדווח. שתי הטענות מחזקות זו את זו, וזה סימן טוב לשתיהן.
זהו גם אזהרה כיצד לפרש את החיסכון. משימה זולה ב-35% אינה חודש זול ב-35% אם המודל הזול מקבל משימות שהמודל הישן נכשל בהן, או אם פחות שלבים משמעם שהסוכן מסיים מוקדם יותר ומחזיר עבודה חלקית. ציון הרובריקה של 82 הוא מה ששולל זאת — ריצה שנעצרת מוקדם עם שליש פחות שלבים הייתה מקבלת ציון נמוך יותר, לא גבוה יותר בנקודה — אבל נקודה אחת היא מרווח צר מכדי לשאת משקל כה רב.
מחירי טוקנים שעוברים ללא שינוי הם החלק בזה שבאמת משעמם ובאמת שימושי. ב-OrcaRouter, מודל ה-0% תוספת אומר שמחיר המחירון של הספק הוא המחיר שאתם משלמים, כך שכשספק אכן משנה מחירון — כפי ש-OpenAI עשתה עבור GPT-6.2 Astra, שהורידה 20% בקלט ובפלט באותו יום — השינוי פעיל בפלטפורמה ביום שהוא קורה, במקום להמתין שמשווק יתמחר מחדש. זה עובד גם לשני הכיוונים: אין מה לעשות ארביטראז', ואין הנחה להרוויח ממעבר. אם אתם מריצים היום את GPT-6.1 Sol דרך מפתח API אחד, קריאה למודל GPT-6.2 Sol תעלה אותו מחיר לטוקן כמו אצל הספק.
מה שחשוב בלופ של סוכן, מעבר לכותרת
ארבעה פרטים תפעוליים מדף המודל של OpenAI חשובים יותר לפריסת סוכן דפדפן מאשר מספר הבנצ'מרק, ואף אחד מהם לא מופיע בכותרת של 82%.
• מאמץ חשיבה — GPT-6.2 Sol דוחה את האפשרות ללא. ההגדרה הנמוכה ביותר היא אמיתית, לא מתג לכיבוי החשיבה. GPT-6.1 Sol מקבל את הטווח המלא מנמוך עד מקסימום. אם סביבת ההרצה שלך מקודדת באופן קשיח "ללא חשיבה, רק פעולה" לשיקולי השהיה, התצורה הזו אינה ניתנת להעברה.
• אצווה — נתמך, ב־50% מהתעריפים הסטנדרטיים. מסלולי פעולה של סוכן דפדפן הם בדרך כלל רגישים להשהיה, ולכן זה רלוונטי בעיקר להרצות הערכה במצב לא מקוון ולא לסביבת ייצור.
• נקודות קצה — Responses, Chat Completions ו-Batch. Realtime, Assistants, Fine-tuning, Images, Videos, Speech ו-Transcription אינם נתמכים כלל. היעדר Fine-tuning הוא מה שפוגע בצוותים שאימנו מדיניות דפדפן על המודל הקודם.
• כלים — computer_use, web_search, mcp, hosted_shell, apply_patch, skills, tool_search, code_interpreter, image_generation ו־file_search רשומים כנתמכים. עבור סוכן דפדפן, הצמד המעניין הוא computer_use לצד tool_search: מערכת הרצה שיכולה לגלות כלים במהלך הריצה היא המקור הסביר לירידה של שליש במספר הצעדים, כי הסוכן מפסיק לנחש פעולה שאינה קיימת ואז לנסות אותה שוב.
• מגבלות קצב — 5,000 בקשות ו-1,000,000 טוקנים בדקה ברמת Build, 10,000 ו-4,000,000 ברמת Launch, 15,000 ו-40,000,000 ברמת Grow.
איך לנסות את זה בלי להמר על נתיב הייצור
התגובה הנכונה לטענה על בנצ'מרק שלא פורסם היא דגימה, לא הגירה. בחרו עשרים עד חמישים ממשימות הדפדפן שלכם, הריצו אותן על שני המודלים דרך אותה מערכת הרצה באותו יום, והשוו שלושה מספרים: שיעור השלמה לפיRubric שלכם, טוקנים שנצרכו לכל משימה שהושלמה, וזמן קיר ב-p50 וב-p95. לאחר מכן השוו את שתי התוצאות זו לזו, ולא ל-82 של Browser Use, משום שתפוצת המשימות שלהם אינה שלכם ופער של נקודה אחת לא ישרוד את התרגום.
שתי הערות מעשיות לבדיקה הזו. ראשית, קבעו במפורש את מאמץ החשיבה בשני הצדדים והשתמשו בהגדרה ששתי המודלים מקבלים, אחרת תבלו את הריצה במדידת הבדל בתצורה. שנית, תעדו מספרי צעדים, מכיוון ש-36% פחות צעדים הוא המנגנון שמאחורי טענת העלות והדבר הראשון שצריך לאשר או להפריך בנתונים שלכם.
בשביל הניסוי עצמו, מעבר לגיבוי הוא הדרך הזולה להריץ מודל לא מוכח לצד מודל מוכח: נתב את הדגימה למודל החדש עם גיבוי אוטומטי למודל שאתה סומך עליו, כך שסירוב, פסק זמן או זינוק במגבלת קצב עולים לך בניסיון חוזר במקום בעבודה כושלת. זה שימושי כאן במיוחד מפני ש-GPT-6.2 Sol בן יומיים, ואופני הכשל שלו באתרים חיים הם בדיוק מה שהבנצ'מרק אמור למדוד ועדיין לא פרסם. עם זאת, שים לב למצב הקטלוג: OrcaRouter מציג 217 מודלים כולל GPT-6.1 Sol, המודל שנמצא כרגע בראש לוח Browser Use, אבל GPT-6.2 Sol עדיין לא נמצא בו — בשביל זה תעבור ישירות דרך ה-API של OpenAI עצמו. המודל הקודם בתמחור pass-through הוא בסיס איתן להשוואה לחדש, וזה התפקיד שהוא צריך למלא השבוע.

מה היה משנה את הסיפור הזה?
שלושה דברים, לפי מידת ההשפעה שלהם על התשובה. שורה של GPT-6.2 Sol שתופיע ב-browser-use.com/benchmarks/agents עם נתונים תואמים או קרובים לציוץ — זה הופך הכרזה של ספק לתוצאה של ספק ומחזק מאוד את טיעון ההגירה, אם כי עדיין לא יהיה בלתי תלוי. מדידה בלתי תלויה של צד שלישי של זמן ועלות למשימת דפדפן על אותה קבוצת משימות — זה מה שיכריע את השאלה של 12 מול 22 דקות, וזה המספר שכדאי לעקוב אחריו. ופירוט מפורסם ברמת המשימה, כי "36% פחות שלבים" הוא או שיפור ברמת רתמת הבדיקה שמכליל לסוכן שלך, או מוזרות של 180 אתרים ספציפיים, ורק נתוני כל משימה בנפרד מבחינים בין השניים.
עד שלפחות הראשון מבין אלה ייכנס לתוקף, הסיכום שניתן להגן עליו הוא זה: GPT-6.2 Sol עולה אותו מחיר לכל טוקן כמו GPT-6.1 Sol, העלייה הקטנה בציון והחיסכון הגדול בעלויות ש-Browser Use מדווחת עליהם עקביים מבחינה פנימית עם קיצוץ של שליש בקריאות לכלים, וטענת המהירות נשענת על בסיס השוואה שאינו תואם את החציון שפרסם הספק עצמו. זה מספיק כדי להצדיק הערכה של יומיים על המשימות שלכם. זה לא מספיק כדי להצדיק שכתוב מחדש.
השוואות במאמר הזה1
זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית
