Melhor LLM para Agentes de Navegador em 2026: Modelos Classificados por Pontuação e Custo

Posted on Oct 27 • Originally published at apidog.com

O melhor LLM para agentes de navegador em outubro de 2026 é o Claude Opus 5.5 se você quer a maior taxa de sucesso publicada, e o Claude Sonnet 5.5 se você quer quase a mesma pontuação pela metade do preço. Para orçamentos apertados, Claude Haiku 5.5 e Gemini 3.8 Flash custam uma fração por etapa. Para pesos abertos, o Holo4 da H Company é a escolha. Todos os números abaixo vêm da própria página do fornecedor, lida em 27 de outubro de 2026.

Um alerta: os fornecedores pontuam em versões, subconjuntos e harnesses diferentes do OSWorld, então trate cada número como uma alegação daquele fornecedor, não como um ranking compartilhado.

Um agente de navegador é um loop: o modelo olha a página, escolhe uma ação, seu código a executa, e o novo estado da página volta para o modelo. Uma tarefa humana de 2 minutos pode levar de 30 a 60 loops.

Os modelos veem a página de uma de duas maneiras:

A maioria dos conjuntos de ferramentas atuais mistura os dois. A ferramenta de uso do navegador da Anthropic ( browser_toolset_20260801, GA) traz 31 ferramentas membro: read_page e find retornam a árvore de acessibilidade, enquanto screenshot e zoom são o fallback para canvas, vídeo e iframes de origem cruzada. O guia de uso do computador da OpenAI oferece um BrowserToolset que lê o texto da página e chama funções de driver. A ferramenta de uso do computador do Google é baseada em captura de tela e cobre navegador, celular e desktop.

Cada etapa reenvia a conversa, então a etapa 30 carrega a definição do conjunto de ferramentas, suas instruções e 29 etapas de histórico. Dois custos fixos definem o piso:

A Anthropic lançou o Opus 5.5 em 22 de setembro de 2026 e relata 81,8% no OSWorld 2.1 (pontuação parcial), à frente do Claude Fable 5.1 com 80,7%. O Fable 5.1 custa $10 / $50, então o Opus 5.5 o supera neste benchmark a 40% do preço. O post do Holo4 da H Company coloca o Opus 5.5 em 81,8% no OSWorld 2.0 para fluxos de trabalho longos a $8.48 por tarefa, com custos lidos dos gráficos dos provedores.

Ele também empata com o Fable 5.1 na menor taxa de sucesso de injeção de prompt no benchmark da Gray Swan, o que importa quando seu agente lê páginas não confiáveis.

O Sonnet 5.5 (28 de setembro de 2026) pontua 80,1% no OSWorld 2.1, 1,7 ponto atrás do Opus, a $2 / $10. Acertos de cache custam $0.10 por 1M de tokens, e os loops de agente são majoritariamente acertos de cache. Para a maioria dos agentes de navegador em produção, esta é a escolha padrão. Se você controla o navegador pelo Claude Code, veja como usar o Claude Code para automação de navegador.

O Haiku 5.5 (7 de outubro de 2026) pontua 72,4% no subconjunto offline do OSWorld 2.1, onde a Anthropic lista o GPT-6 Luna com 48,9%. O preço tem duas faixas: $0.10 / $0.50 para prompts de até 100.000 tokens, depois $0.50 / $2.50 acima disso. Sessões longas que mantêm todas as capturas de tela no histórico passam de 100K rapidamente, então remova capturas de tela antigas para permanecer na faixa barata.

A ficha do modelo Gemini 4 Argon do Google lista o GPT-6 Astra com 72,6% no subconjunto offline do OSWorld 2.0 (pontuação parcial). O Astra custa $10 / $50 com uma janela de contexto de 1,05M. O guia da OpenAI diz que, para o Astra, recomenda execução de código: o modelo escreve código Playwright ou PyAutoGUI em vez de clicar uma etapa por vez. Isso serve para scraping repetitivo e trabalho com formulários. Nosso post sobre uso do computador do GPT-6 Astra cobre quando entregar uma especificação em vez disso.

A página de modelos da OpenAI lista computer_use como uma ferramenta suportada para o GPT-6.1 Terra ($1 / $5, entrada em cache $0.05), e os exemplos do guia de uso do computador usam o GPT-6.1 Sol ($2 / $10). A OpenAI não publica pontuação de navegador ou OSWorld para nenhum dos dois nessas páginas. O Terra é uma opção sólida para o modo DOM, mas faça benchmark com suas próprias tarefas.

O Gemini 4 Argon entrou em GA em 13 de outubro de 2026. Sua ficha de modelo mostra 69,2% no subconjunto offline do OSWorld 2.0 e 39,5% no Agent's Last Exam (uso do computador), acima dos 34,2% do Astra e dos 38,2% do Opus 5.5. O uso do computador no Argon ainda está em Preview. O preço é $2 / $10 até 30 de novembro de 2026, depois $4 / $20.

A página de uso do computador do Google recomenda gemini-3.8-flash ($0.75 / $3.75 até 31 de dezembro de 2026), mas não fornece benchmark para ele. O Gemini 2.5 Computer Use não aparece mais nessa página, então o removemos.

A H Company lançou o Holo4 em 28 de setembro de 2026, substituindo o Holo3. Em seu próprio harness, o Holo4 27B pontua 85,2% no OSWorld a $0.08 por tarefa e 61,7% no OSWorld 2.0 para fluxos de trabalho longos a $1.22 por tarefa. O 35B-A3B pontua 80,8% e 30,9% nos mesmos dois, a $0.05 e $0.61. A H afirma que os pesos do 35B-A3B são Apache 2.0; verifique a licença do 27B na ficha do modelo antes de distribuí-lo comercialmente. Ambos rodam na API da H a $0.40 / $3.00 (27B) e $0.30 / $2.00 (35B-A3B). Nosso post sobre o Holo3 cobre a API da geração anterior.

O guia de modelos do Browser Use (BU Bench V1, atualizado em 11 de junho de 2026) mostra o lado da velocidade: o Claude Fable 5 atingiu 80,0%, mas teve média de 6 minutos e 53 segundos e cerca de $5.80 por tarefa. Os modelos 5.5 ainda não estão nele. Para a escolha do framework em si, veja Browser Use Cloud, Stagehand e o servidor MCP do Puppeteer.

Suponha uma tarefa de 30 etapas no Claude com o conjunto de ferramentas de navegador. Cada etapa adiciona uma captura de tela de 1.334 tokens mais cerca de 450 tokens de texto de ação e resultados de ferramentas, e o modelo escreve cerca de 300 tokens de saída.

Esses são números ilustrativos a partir dos preços de tabela da Anthropic, não execuções medidas. Duas conclusões continuam válidas de qualquer forma: o cache reduz a conta em mais de 80%, e remover capturas de tela antigas do histórico economiza mais do que trocar para um modelo mais barato.

Agentes de navegador são o caminho lento e caro. Quando a página pela qual seu agente continua clicando é sustentada por uma API JSON, a medida mais barata é encontrar essa API uma vez e testá-la diretamente. O conjunto de ferramentas de navegador do Claude tem até um membro opcional read_network que lista as requisições que uma página faz.

Deixe seu agente de codificação fazer isso com o Apidog CLI. Configure uma vez:

npm install -g apidog-cli@latest apidog auth login --with-token <YOUR_TOKEN> apidog skill install Enter fullscreen mode Exit fullscreen mode Depois dê ao seu agente um [REDACTED PROMPT] Export a HAR of the checkout flow you just ran in the browser. Import it into Apidog project, 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.

O agente importa o tráfego, lê o schema do payload, valida, escreve o caso e o executa: Enter fullscreen mode Exit fullscreen mode bash apidog import --project --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 --file case.json apidog run --test-case --project -e -r cli,json