2026'da Tarayıcı Ajanları için En İyi LLM: Skor ve Maliyete Göre Sıralanan Modeller

Posted on Oct 27 • Originally published at apidog.com

Ekim 2026 itibarıyla tarayıcı ajanları için en iyi LLM: yayınlanmış en yüksek başarı oranını istiyorsanız Claude Opus 5.5, neredeyse aynı puanı yarı fiyata istiyorsanız Claude Sonnet 5.5. Kısıtlı bütçeler için adım başına maliyeti çok daha düşük olan Claude Haiku 5.5 ve Gemini 3.8 Flash öne çıkıyor. Açık ağırlıklar tarafında ise H Company'den Holo4 en iyi tercih. Aşağıdaki her sayı, 27 Ekim 2026'da ilgili satıcının kendi sayfasından okunmuştur.

Bir uyarı: satıcılar farklı OSWorld sürümleri, alt kümeleri ve koşum takımları üzerinde puanlama yapıyor; bu yüzden her sayıyı ortak bir sıralama değil, o satıcının iddiası olarak değerlendirin.

Tarayıcı ajanı bir döngüdür: model sayfaya bakar, bir eylem seçer, kodunuz onu çalıştırır ve yeni sayfa durumu modele geri döner. İnsanın 2 dakikada bitirdiği bir görev 30 ila 60 döngü sürebilir.

Güncel araç setlerinin çoğu ikisini karıştırır. Anthropic'in tarayıcı kullanım aracı ( browser_toolset_20260801, GA) 31 üye araç sunar: read_page ve find erişilebilirlik ağacını döndürürken, screenshot ve zoom canvas, video ve çapraz kaynaklı iframe'ler için yedek seçenektir. OpenAI'nin bilgisayar kullanımı kılavuzu, sayfa metnini okuyan ve sürücü işlevlerini çağıran bir BrowserToolset sunar. Google'ın bilgisayar kullanım aracı ekran görüntüsü tabanlıdır ve tarayıcı, mobil ile masaüstünü kapsar.

Her adım konuşmayı yeniden gönderir; bu yüzden 30. adım araç seti tanımını, talimatlarınızı ve 29 adımlık geçmişi taşır. Bu, iki sabit maliyet tabanı belirler:

Anthropic, Opus 5.5'i 22 Eylül 2026'da yayınladı ve OSWorld 2.1'de (kısmi puan) %81,8 bildiriyor; bu, %80,7'deki Claude Fable 5.1'in önünde. Fable 5.1 $10 / $50'ye mal oluyor; yani Opus 5.5 bu kıyaslamada fiyatının %40'ında onu geçiyor. H Company'nin Holo4 yazısı, Opus 5.5'i OSWorld 2.0 uzun iş akışlarında görev başına $8.48 ile %81,8'e koyuyor; maliyetler sağlayıcıların grafiklerinden okunmuştur.

Ayrıca Gray Swan'ın kıyaslamasında en düşük istem enjeksiyonu başarı oranı için Fable 5.1 ile berabere; ajanınız güvenilmeyen sayfaları okuduğunda bu önemlidir.

Sonnet 5.5 (28 Eylül 2026), OSWorld 2.1'de %80,1 puan alıyor; Opus'un 1,7 puan gerisinde, $2 / $10 karşılığında. Önbellek isabetleri 1M token başına $0.10'a mal olur ve ajan döngüleri çoğunlukla önbellek isabetleridir. Çoğu üretim tarayıcı ajanı için varsayılan tercih budur. Tarayıcıyı Claude Code'dan sürüyorsanız, tarayıcı otomasyonu için Claude Code nasıl kullanılır yazısına bakın.

Haiku 5.5 (7 Ekim 2026), OSWorld 2.1 çevrimdışı alt kümesinde %72,4 puan alıyor; Anthropic'in aynı yerde GPT-6 Luna'yı %48,9 olarak listelediği yerde. Fiyatlandırma iki kademelidir: 100.000 token'a kadar istemler için $0.10 / $0.50, bunun üzerinde $0.50 / $2.50. Her ekran görüntüsünü geçmişte tutan uzun oturumlar hızla 100K'yı geçer; ucuz kademede kalmak için eski ekran görüntülerini kırpın.

Google'ın Gemini 4 Argon model kartı, GPT-6 Astra'yı OSWorld 2.0 çevrimdışı alt kümesinde (kısmi puan) %72,6 olarak listeliyor. Astra, 1.05M bağlam penceresiyle $10 / $50'ye mal oluyor. OpenAI'nin kılavuzu, Astra için kod yürütmeyi öneriyor: model tek tek tıklamak yerine Playwright veya PyAutoGUI kodu yazıyor. Bu, tekrarlayan kazıma ve form işlerine uyar. GPT-6 Astra bilgisayar kullanımı yazımız, bunun yerine ne zaman bir spesifikasyon vermeniz gerektiğini ele alıyor.

OpenAI'nin model sayfası, GPT-6.1 Terra ($1 / $5, önbelleğe alınmış giriş $0.05) için computer_use 'u desteklenen bir araç olarak listeliyor ve bilgisayar kullanımı kılavuzunun örnekleri GPT-6.1 Sol ($2 / $10) kullanıyor. OpenAI bu sayfalarda ikisi için de yayınlanmış bir tarayıcı veya OSWorld puanı sunmuyor. Terra mantıklı bir DOM modu beygiridir; ancak kendi görevlerinizde kıyaslayın.

Gemini 4 Argon, 13 Ekim 2026'da GA oldu. Model kartı, OSWorld 2.0 çevrimdışı alt kümesinde %69,2 ve Agent's Last Exam'de (bilgisayar kullanımı) %39,5 gösteriyor; bu, Astra'nın %34,2'sinin ve Opus 5.5'in %38,2'sinin üzerinde. Argon'da bilgisayar kullanımı hâlâ Preview'da. Fiyatlandırma 30 Kasım 2026'ya kadar $2 / $10, sonrasında $4 / $20.

Google'ın bilgisayar kullanımı sayfası gemini-3.8-flash öneriyor (31 Aralık 2026'ya kadar $0.75 / $3.75), ancak bunun için bir kıyaslama vermiyor. Gemini 2.5 Computer Use artık o sayfada görünmüyor, bu yüzden onu çıkardık.

H Company, Holo4'ü 28 Eylül 2026'da yayınladı ve Holo3'ün yerini aldı. Kendi koşum takımında Holo4 27B, OSWorld'de görev başına $0.08 ile %85,2 ve OSWorld 2.0 uzun iş akışlarında görev başına $1.22 ile %61,7 puan alıyor. 35B-A3B ise aynı ikisinde $0.05 ve $0.61 karşılığında %80,8 ve %30,9 puan alıyor. H, 35B-A3B ağırlıklarının Apache 2.0 olduğunu belirtiyor; ticari olarak yayınlamadan önce 27B lisansını model kartından kontrol edin. Her ikisi de H'nin API'sinde çalışıyor: 27B için $0.40 / $3.00 ve 35B-A3B için $0.30 / $2.00. Holo3 yazımız, önceki neslin API'sini ele alıyor.

Browser Use'ın model kılavuzu (BU Bench V1, 11 Haziran 2026'da güncellendi) hız tarafını gösteriyor: Claude Fable 5 %80,0'e ulaştı ancak ortalama 6 dakika 53 saniye sürdü ve görev başına yaklaşık $5.80 harcadı. 5.5 modelleri henüz listede yok. Çerçeve seçiminin kendisi için Browser Use Cloud, Stagehand ve Puppeteer MCP sunucusu yazılarına bakın.

Tarayıcı araç setiyle Claude üzerinde 30 adımlık bir görev varsayalım. Her adım, 1.334 token'lık bir ekran görüntüsü artı yaklaşık 450 token'lık eylem metni ve araç sonuçları ekliyor ve model yaklaşık 300 çıkış token'ı yazıyor.

Bunlar Anthropic'in liste fiyatlarından türetilmiş örnek sayılardır, ölçülmüş çalıştırmalar değil. Yine de iki çıkarım geçerliliğini koruyor: önbellekleme faturayı %80'den fazla azaltıyor ve geçmişten eski ekran görüntülerini çıkarmak, daha ucuz bir modele geçmekten daha fazla tasarruf sağlıyor.

Tarayıcı ajanları yavaş ve pahalı yoldur. Ajanınızın sürekli tıkladığı sayfa bir JSON API'siyle destekleniyorsa, daha ucuz hamle o API'yi bir kez bulup doğrudan test etmektir. Claude'un tarayıcı araç setinde hatta bir sayfanın yaptığı istekleri listeleyen isteğe bağlı bir read_network üyesi bile var.

Bunu kodlama ajanınıza Apidog CLI ile yaptırın. Bir kez kurun:

npm install -g apidog-cli@latest apidog auth login --with-token <YOUR_TOKEN> apidog skill install Enter fullscreen mode Exit fullscreen mode Sonra ajanınıza tek bir istem verin:

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. Enter fullscreen mode Exit fullscreen mode Ajan trafiği içe aktarır, yük şemasını okur, doğrular, vakayı yazar ve çalıştırır:

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 Enter fullscreen mode Exit fullscreen mode -r cli,json 'u -r junit ile değiştirin; aynı komut CI'da çalışır — Apidog CLI CI/CD iş akışı kılavuzuna bakın. Ajanınız Claude Code ise, Claude Code'da Apidog CLI kurulumu adım adım anlatıyor. Apidog'un Ücretsiz planı 4 kullanıcıya kadar kapsar.

Şu anda tarayıcı ajanları için en iyi LLM nedir? Claude Opus 5.5, satıcı tarafından bildirilen en yüksek OSWorld 2.1 puanına (%81,8) sahip. Claude Sonnet 5.5 ise çoğu ekip için daha iyi varsayılan: %80,1 ve yarı fiyat.

Bütçede bilgisayar kullanımı için hangi model en iyi? $0.10 / $0.50 fiyatındaki Claude Haiku 5.5, Anthropic'in OSWorld 2.1 çevrimdışı alt kümesinde %72,4 puan alıyor. Ucuz kademesinde kalmak için istemleri 100.000 token'ın altında tutun.

Tarayıcı ajanları için iyi bir açık ağırlıklı model var mı? Evet. Holo4 35B-A3B, Apache 2.0 ağırlıklarıyla geliyor ve H Company'nin koşum takımında OSWorld'de %80,8 puan alıyor. Holo4 27B daha yüksek puan alıyor, ancak önce lisansını kontrol edin.

Ekran görüntüsü modu mu, DOM modu mu? Sayfada varsa erişilebilirlik ağacını veya DOM'u kullanın. Daha ucuzdur ve yerleşim değişikliklerine dayanır. Canvas, haritalar, video ve uzak masaüstleri için ekran görüntülerine geri dönün.

OSWorld puanlarını satıcılar arasında karşılaştırabilir miyim? Yalnızca gevşek biçimde. Satıcılar farklı koşum takımlarıyla OSWorld 2.0, OSWorld 2.1, çevrimdışı alt kümeler ve kısmi puanlar bildiriyor. Karar vermeden önce kendi 20 ila 50 gerçek görevinizi çalıştırın.

Gemini 2.5 Computer Use hâlâ mevcut mu? 27 Ekim 2026 itibarıyla Google'ın bilgisayar kullanımı sayfasında artık görünmüyor. Google bunun yerine Gemini 4 Argon, Gemini 3.8 Flash, Gemini 3.5 Flash-Lite ve Gemini 3 Flash Preview listeliyor.