LLM ที่ดีที่สุดสำหรับเอเจนต์เบราว์เซอร์ในปี 2026: จัดอันดับโมเดลตามคะแนนและค่าใช้จ่าย

LLM ที่ดีที่สุดสำหรับ browser agent ในเดือนตุลาคม 2026 คือ Claude Opus 5.5 หากคุณต้องการอัตราความสำเร็จสูงสุดที่มีการเผยแพร่ และ Claude Sonnet 5.5 หากคุณต้องการคะแนนใกล้เคียงกันในราคาครึ่งเดียว สำหรับงบประมาณจำกัด Claude Haiku 5.5 และ Gemini 3.8 Flash มีค่าใช้จ่ายต่อขั้นตอนเพียงเศษเสี้ยว สำหรับโมเดล open weights Holo4 จาก H Company คือตัวเลือกที่ดีที่สุด ตัวเลขทุกตัวด้านล่างมาจากหน้าของผู้ให้บริการเอง อ่านเมื่อวันที่ 27 ตุลาคม 2026

คำตอบสั้น: โมเดลที่ดีที่สุดสำหรับการใช้งานเบราว์เซอร์ตามลักษณะงาน

คำเตือนหนึ่งอย่าง: ผู้ให้บริการให้คะแนนบน OSWorld เวอร์ชัน ชุดย่อย และ harness ที่แตกต่างกัน ดังนั้นให้ถือว่าตัวเลขแต่ละตัวเป็นการอ้างของผู้ให้บริการรายนั้น ไม่ใช่การจัดอันดับร่วมกัน

browser agent ใช้โมเดลอย่างไร

browser agent คือลูป: โมเดลดูหน้าเว็บ เลือกหนึ่งการกระทำ โค้ดของคุณรันมัน แล้วสถานะหน้าเว็บใหม่ก็ส่งกลับไปยังโมเดล งานที่มนุษย์ทำ 2 นาทีอาจใช้ 30 ถึง 60 ลูป

โมเดลมองเห็นหน้าเว็บได้หนึ่งในสองวิธี:

1. โหมดสกรีนช็อต โมเดลได้รับรูปภาพและคืนพิกัดพิกเซลเพื่อคลิก ใช้ได้กับแอป canvas แผนที่ และ remote desktop แต่ทุกขั้นตอนมีค่าใช้จ่ายเป็นโทเคนรูปภาพ
2. โหมด DOM หรือ accessibility-tree โมเดลได้รับรายการข้อความขององค์ประกอบพร้อมการอ้างอิงเช่น [ref_2] และคลิกตามการอ้างอิง ทนต่อการเปลี่ยนแปลงเลย์เอาต์และใช้โทเคนน้อยกว่าบนหน้าเว็บที่มีข้อความมาก

เครื่องมือส่วนใหญ่ในปัจจุบันผสมทั้งสองวิธี browser use tool ของ Anthropic (browser_toolset_20260801, GA) มาพร้อมเครื่องมือสมาชิก 31 ตัว: read_page และ find คืนค่า accessibility tree ขณะที่ screenshot และ zoom เป็นตัวสำรองสำหรับ canvas วิดีโอ และ cross-origin iframe คู่มือ computer use ของ OpenAI มี BrowserToolset ที่อ่านข้อความในหน้าเว็บและเรียกฟังก์ชันไดรเวอร์ computer use tool ของ Google ใช้สกรีนช็อตเป็นหลักและครอบคลุมทั้งเบราว์เซอร์ มือถือ และเดสก์ท็อป

ทำไมจำนวนขั้นตอนจึงทำให้ค่าใช้จ่ายทวีคูณ

ทุกขั้นตอนจะส่งบทสนทนากลับไปใหม่ ดังนั้นขั้นตอนที่ 30 จะมีนิยามของชุดเครื่องมือ คำสั่งของคุณ และประวัติ 29 ขั้นตอน ค่าใช้จ่ายคงที่สองรายการเป็นตัวกำหนดพื้นล่าง:

• โอเวอร์เฮดของชุดเครื่องมือ การประกาศชุดเครื่องมือเบราว์เซอร์ของ Anthropic เพิ่มโทเคนอินพุตประมาณ 6,600 โทเคนในทุกคำขอ ตามหน้าราคาของ Anthropic
• สกรีนช็อต Claude คิดค่าภาพที่หนึ่ง visual token ต่อแพตช์ขนาด 28×28 พิกเซล สกรีนช็อตขนาด 1280×800 เท่ากับ 46 × 29 = 1,334 โทเคน

บันทึกรายโมเดล

Claude Opus 5.5

Anthropic เปิดตัว Opus 5.5 เมื่อวันที่ 22 กันยายน 2026 และรายงานคะแนน 81.8% บน OSWorld 2.1 (คะแนนบางส่วน) นำหน้า Claude Fable 5.1 ที่ 80.7% Fable 5.1 มีราคา $10 / $50 ดังนั้น Opus 5.5 จึงเอาชนะมันบน benchmark นี้ในราคา 40% ของราคา บทความ Holo4 ของ H Company ให้ Opus 5.5 อยู่ที่ 81.8% บน OSWorld 2.0 long workflows ที่ $8.48 ต่องาน โดยค่าใช้จ่ายอ่านจากแผนภูมิของผู้ให้บริการ

นอกจากนี้ยังเสมอด้วยกับ Fable 5.1 ในด้านอัตราความสำเร็จของการโจมตีแบบ prompt-injection ที่ต่ำที่สุดบน benchmark ของ Gray Swan ซึ่งสำคัญเมื่อ agent ของคุณอ่านหน้าเว็บที่ไม่น่าเชื่อถือ

Claude Sonnet 5.5

Sonnet 5.5 (28 กันยายน 2026) ได้คะแนน 80.1% บน OSWorld 2.1 ห่างจาก Opus 1.7 จุด ที่ราคา $2 / $10 แคชฮิตมีค่าใช้จ่าย $0.10 ต่อ 1M โทเคน และลูปของ agent ส่วนใหญ่เป็นแคชฮิต สำหรับ browser agent ในการผลิตส่วนใหญ่ นี่คือตัวเลือกเริ่มต้น หากคุณขับเบราว์เซอร์จาก Claude Code ดูวิธีใช้ Claude Code สำหรับ browser automation

Claude Haiku 5.5

Haiku 5.5 (7 ตุลาคม 2026) ได้คะแนน 72.4% บนชุดย่อยออฟไลน์ของ OSWorld 2.1 ซึ่ง Anthropic ระบุว่า GPT-6 Luna อยู่ที่ 48.9% ราคาแบ่งเป็นสองระดับ: $0.10 / $0.50 สำหรับพรอมป์ต์ไม่เกิน 100,000 โทเคน จากนั้น $0.50 / $2.50 เมื่อเกินกว่านั้น เซสชันยาวที่เก็บสกรีนช็อตทุกภาพไว้ในประวัติจะข้าม 100K อย่างรวดเร็ว ดังนั้นให้ตัดสกรีนช็อตเก่าออกเพื่ออยู่ในระดับราคาถูก

GPT-6 Astra

model card ของ Gemini 4 Argon ของ Google ระบุว่า GPT-6 Astra อยู่ที่ 72.6% บนชุดย่อยออฟไลน์ของ OSWorld 2.0 (คะแนนบางส่วน) Astra มีราคา $10 / $50 พร้อมหน้าต่างคอนเท็กซ์ 1.05M คู่มือของ OpenAI กล่าวว่าสำหรับ Astra แนะนำให้ใช้การรันโค้ด: โมเดลเขียนโค้ด Playwright หรือ PyAutoGUI แทนการคลิกทีละขั้นตอน เหมาะกับงาน scraping และฟอร์มที่ทำซ้ำ ๆ บทความ GPT-6 Astra computer use ของเราครอบคลุมว่าเมื่อใดควรส่งสเปกให้มันแทน

GPT-6.1 Terra และ Sol

หน้าของโมเดล OpenAI ระบุว่า computer_use เป็นเครื่องมือที่รองรับสำหรับ GPT-6.1 Terra ($1 / $5, อินพุตแคช $0.05) และตัวอย่างในคู่มือ computer use ใช้ GPT-6.1 Sol ($2 / $10) OpenAI ไม่ได้เผยแพร่คะแนน浏览器หรือ OSWorld สำหรับทั้งสองบนหน้าเหล่านั้น Terra เป็นม้าศึกโหมด DOM ที่สมเหตุสมผล แต่จง benchmark กับงานของคุณเอง

Gemini 4 Argon และ Gemini 3.8 Flash

Gemini 4 Argon เปิด GA เมื่อวันที่ 13 ตุลาคม 2026 model card ของมันแสดง 69.2% บนชุดย่อยออฟไลน์ของ OSWorld 2.0 และ 39.5% บน Agent's Last Exam (computer use) สูงกว่า Astra ที่ 34.2% และ Opus 5.5 ที่ 38.2% computer use บน Argon ยังอยู่ในสถานะ Preview ราคาคือ $2 / $10 ถึงวันที่ 30 พฤศจิกายน 2026 จากนั้นเป็น $4 / $20

หน้า computer use ของ Google แนะนำ gemini-3.8-flash ($0.75 / $3.75 ถึงวันที่ 31 ธันวาคม 2026) แต่ไม่ได้ให้ benchmark สำหรับมัน Gemini 2.5 Computer Use ไม่ปรากฏบนหน้านั้นอีกต่อไป เราจึงตัดมันออก

Holo4 (open weights)

H Company เปิดตัว Holo4 เมื่อวันที่ 28 กันยายน 2026 แทน Holo3 บน harness ของตัวเอง Holo4 27B ได้คะแนน 85.2% บน OSWorld ที่ $0.08 ต่องาน และ 61.7% บน OSWorld 2.0 long workflows ที่ $1.22 ต่องาน ส่วน 35B-A3B ได้ 80.8% และ 30.9% บนสองอย่างเดียวกัน ที่ $0.05 และ $0.61 H ระบุว่า weights ของ 35B-A3B เป็น Apache 2.0; ตรวจสอบสัญญาอนุญาตของ 27B บน model card ก่อนนำไปใช้เชิงพาณิชย์ ทั้งสองรันบน API ของ H ที่ $0.40 / $3.00 (27B) และ $0.30 / $2.00 (35B-A3B) บทความ Holo3 ของเราครอบคลุม API ของรุ่นก่อนหน้า

Kimi K3.1 Pro, DeepSeek V4.1 Flash และ Qwen 3.7 Plus

• Kimi K3.1 Pro รับภาพและวิดีโอพร้อมคอนเท็กซ์ 1M ตาม quickstart ของ Moonshot คะแนน BrowseComp ตอนเปิดตัววัดการค้นคว้าบนเว็บ ไม่ใช่การคลิกผ่านหน้าเว็บ และไม่มีการเผยแพร่คะแนน computer use ตรวจสอบราคาบนหน้าราคาของ Kimi
• DeepSeek V4.1 Flash (deepseek-flash) รองรับอินพุตรูปภาพในราคา $0.15 / $0.60 นอกช่วงพีค และ $0.30 / $1.20 ในช่วงพีค ตามหน้าราคาของ DeepSeek ไม่มีการเผยแพร่ benchmark เบราว์เซอร์ เป็นตัวเลือกที่ถูกที่สุดที่นี่สำหรับโหมด DOM
• Qwen 3.7 Plus รายงาน 79.0 บน ScreenSpot Pro ซึ่งเป็นการทดสอบการระบุตำแหน่งจากสกรีนช็อต ดูคู่มือ Qwen 3.7 Plus computer use agent ของเรา

ทีมผู้พัฒนาเฟรมเวิร์กวัดอะไร

คู่มือโมเดลของ Browser Use (BU Bench V1, อัปเดต 11 มิถุนายน 2026) แสดงด้านความเร็ว: Claude Fable 5 ทำได้ 80.0% แต่ใช้เวลาเฉลี่ย 6 นาที 53 วินาที และประมาณ $5.80 ต่องาน โมเดล 5.5 ยังไม่อยู่ในนั้น สำหรับการเลือกเฟรมเวิร์กเอง ดู Browser Use Cloud, Stagehand และ Puppeteer MCP server

ค่าใช้จ่ายต่องาน: ตัวอย่างการคำนวณ

สมมติงาน 30 ขั้นตอนบน Claude ด้วยชุดเครื่องมือเบราว์เซอร์ แต่ละขั้นตอนเพิ่มสกรีนช็อต 1,334 โทเคน หนึ่งภาพ บวกข้อความการกระทำและผลลัพธ์เครื่องมือประมาณ 450 โทเคน และโมเดลเขียนเอาต์พุตประมาณ 300 โทเคน

• อินพุตขั้นตอนที่ n ≈ 6,600 + n × 1,784 โทเคน
• อินพุตรวมตลอด 30 ขั้นตอน ≈ 198,000 + 1,784 × 465 ≈ 1.03M โทเคน
• เอาต์พุตรวม ≈ 9,000 โทเคน

นี่เป็นตัวเลขเชิงตัวอย่างจากราคาตามรายการของ Anthropic ไม่ใช่การรันที่วัดจริง ข้อสรุปสองข้อก็ยังใช้ได้: การแคชลดบิลได้มากกว่า 80% และการตัดสกรีนช็อตเก่าออกจากประวัติช่วยประหยัดได้มากกว่าการเปลี่ยนไปใช้โมเดลที่ถูกกว่า

วิธีเลือก

1. เริ่มด้วย Sonnet 5.5 มันได้คะแนนห่างจากผู้นำไม่เกิน 2 จุดในราคาครึ่งเดียว
2. ขยับขึ้นไปใช้ Opus 5.5 เฉพาะเมื่ออัตราความสำเร็จของคุณบนงานจริงเป็นคอขวด
3. ขยับลงไปใช้ Haiku 5.5 หรือ Gemini 3.8 Flash สำหรับโฟลว์ปริมาณมาก สั้น และทำซ้ำ ๆ วัดผลก่อน
4. ใช้ Holo4 หากข้อมูลออกจากโครงสร้างพื้นฐานของคุณไม่ได้
5. ใช้ GPT-6 Astra พร้อมการรันโค้ด เมื่องานเป็นสคริปต์ที่ทำซ้ำได้ ไม่ใช่การสำรวจ
6. ข้ามเบราว์เซอร์ไปเลยเมื่อเว็บไซต์มี API การเรียก API เป็นคำขอเดียวแทนที่จะเป็น 30 ขั้นตอน บทวิเคราะห์ computer use vs structured APIs ของเราแสดงว่าเมื่อใดแต่ละวิธีชนะ และรายการเครื่องมือ browser automation ครอบคลุมส่วนที่เหลือ

ให้ coding agent ของคุณทดสอบ API แทนด้วย Apidog CLI

browser agent เป็นเส้นทางที่ช้าและแพง เมื่อหน้าที่ agent ของคุณคลิกผ่านซ้ำ ๆ มี JSON API อยู่เบื้องหลัง ทางเลือกที่ถูกกว่าคือค้นหา API นั้นสักครั้งแล้วทดสอบโดยตรง ชุดเครื่องมือเบราว์เซอร์ของ Claude ยังมีสมาชิก read_network แบบเลือกได้ที่แสดงรายการคำขอที่หน้าเว็บสร้างขึ้น

ให้ coding agent ของคุณทำด้วย Apidog CLI ตั้งค่าครั้งเดียว:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

จากนั้นให้พรอมป์ต์ agent ของคุณหนึ่งครั้ง:

Export a HAR of the checkout flow you just ran in the browser. Import it into
Apidog project <id>, create a test case for POST /api/cart/items that asserts
a 200 status and a numeric cartTotal, then run it against the staging
environment and summarize any failures.

agent จะนำเข้าทราฟฟิก อ่านสคีมา payload ตรวจสอบความถูกต้อง เขียนเคส และรันมัน:

apidog import --project <id> --format har --file checkout.har
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -r cli,json

เปลี่ยน -r cli,json เป็น -r junit แล้วคำสั่งเดิมจะรันใน CI ดูคู่มือ Apidog CLI CI/CD pipeline หาก Claude Code เป็น agent ของคุณ Apidog CLI in Claude Code อธิบายการตั้งค่าไว้ครบถ้วน แผนฟรีของ Apidog ครอบคลุมผู้ใช้สูงสุด 4 คน

คำถามที่พบบ่อย

ตอนนี้ LLM ที่ดีที่สุดสำหรับ browser agent คืออะไร? Claude Opus 5.5 มีคะแนน OSWorld 2.1 ที่ผู้ให้บริการรายงานสูงสุด (81.8%) Claude Sonnet 5.5 เป็นค่าเริ่มต้นที่ดีกว่าสำหรับทีมส่วนใหญ่ที่ 80.1% และราคาครึ่งเดียว

โมเดลใดดีที่สุดสำหรับ computer use ในงบประมาณจำกัด? Claude Haiku 5.5 ที่ $0.10 / $0.50 ได้คะแนน 72.4% บนชุดย่อยออฟไลน์ OSWorld 2.1 ของ Anthropic ให้พรอมป์ต์ต่ำกว่า 100,000 โทเคนเพื่ออยู่ในระดับราคาถูก

มีโมเดล open weights ที่ดีสำหรับ browser agent ไหม? มี Holo4 35B-A3B มาพร้อม weights แบบ Apache 2.0 และได้คะแนน 80.8% บน OSWorld ใน harness ของ H Company Holo4 27B ได้คะแนนสูงกว่า แต่ตรวจสอบสัญญาอนุญาตของมันก่อน

โหมดสกรีนช็อตหรือโหมด DOM? ใช้ accessibility tree หรือ DOM เมื่อหน้าเว็บมี ถูกกว่าและทนต่อการเปลี่ยนแปลงเลย์เอาต์ ใช้สกรีนช็อตเป็นตัวสำรองสำหรับ canvas แผนที่ วิดีโอ และ remote desktop

เปรียบเทียบคะแนน OSWorld ระหว่างผู้ให้บริการได้ไหม? ได้เพียงแบบคร่าว ๆ ผู้ให้บริการรายงาน OSWorld 2.0, OSWorld 2.1, ชุดย่อยออฟไลน์ และคะแนนบางส่วนด้วย harness ที่ต่างกัน รันงานจริงของคุณเอง 20 ถึง 50 งานก่อนตัดสินใจ

Gemini 2.5 Computer Use ยังใช้ได้อยู่ไหม? มันไม่ปรากฏบนหน้า computer use ของ Google อีกต่อไป ณ วันที่ 27 ตุลาคม 2026 Google ระบุ Gemini 4 Argon, Gemini 3.8 Flash, Gemini 3.5 Flash-Lite และ Gemini 3 Flash Preview แทน