Рейтинг ИИ-агентов показывает, как модель справилась с заданиями стенда, который собрали исследователи, и о вашей работе говорит ровно столько, сколько она похожа на этот стенд.
Разница между стендами огромная. В официальной таблице OSWorld-Verified на октябрь 2026 года лучший агент выполнил 86 % заданий за компьютером, а люди, по исходной статье авторов стенда, справлялись с 72,36 %. В Remote Labor Index, где агенту дают настоящие оплаченные заказы фрилансеров, лидер сдал работу на уровне профессионала в 21,25 % случаев.
Отдельно покажу, как превратить рейтинг в деньги, то есть не переплатить за агента. Какие вопросы задать продавцу, как ответить на них по его же коммерческому предложению и как дальше делать такую проверку за минуты, поручив сравнение нейросети.
Популярные рейтинги ИИ-агентов и что они меряют
Популярные рейтинги ИИ-агентов отличаются тем, кто ставит оценку, и от судьи зависит больше, чем от списка участников. Подборки «топ-10» в поисковой выдаче оценки не ставят вовсе, это перечень продуктов с описаниями от продавцов.
| Рейтинг | Что внутри | Лучший результат | Кто судит |
|---|---|---|---|
| OSWorld-Verified, 2026 | 369 заданий в браузере, таблицах, почте, редакторе | 86,0 %, у людей 72,36 % по исходной статье авторов | программа проверяет итоговое состояние файла или окна |
| Remote Labor Index, 2026 | 230 оплаченных заказов фрилансеров из 23 видов работ | 21,25 % | три эксперта решают, принял бы такую работу заказчик |
| TheAgentCompany, 2025 | 175 задач офиса небольшой компании | 30,3 % | программа проверяет контрольные точки задачи |
| ГигаЧат Бизнес, заявление продавца, 2026 | метод не описан | «до 70 % рутинных операций» | продавец |
Три верхние строки взяты из открытых таблиц исследователей (OSWorld, Scale Labs, arXiv), нижняя из презентации платформы Сбера (Сбер). Я поставил их рядом нарочно. Цифра без метода в таблице выглядит так же солидно, как цифра с методом, и отличить их можно только по последнему столбцу.
Чем дальше судья от вашей работы, тем меньше рейтинг говорит о ней.
Почему агент обгоняет человека на стенде и проигрывает на заказе
В двух открытых замерах агент обгоняет человека на коротких заданиях с программной проверкой и отстаёт на заказах, которые принимают живые эксперты. Собственник хочет знать, сколько работы снимет агент, а таблицы отвечают на два разных вопроса.
Задание OSWorld занимает минуты в одной-двух программах. Проект Remote Labor Index в среднем требовал от фрилансера 28,9 часа и стоил 632,6 доллара, медиана 11,5 часа и 200 долларов (arXiv). Даже у лидера OSWorld разброс заметный, в таблицах LibreOffice он выполнил 45 заданий из 47, а в заданиях сразу на несколько программ 72,92 из 92, то есть около 79 %.
Когда машина проверяет машину
В июле 2026 года авторы Remote Labor Index сравнили оценки людей с оценками автоматического судьи-модели. Судья завысил результаты новых моделей в 2,3–2,9 раза, хотя порядок участников угадал верно (CAIS).
Разрыв между стендом и заказом снимается одним способом, проверкой на ваших задачах со своим приёмщиком.
Какой ИИ-агент выбрать компании в России
Какой ИИ-агент выбрать, решают сначала место хранения данных и системы, в которые агент сможет зайти, и только потом строка в рейтинге. Агенты из верха обеих таблиц принадлежат зарубежным компаниям, российских разработок в начале таблиц нет.
Из российских сервисов агентский режим есть у Алисы AI для бизнеса, он называется «Задачи», и в нём ассистент сам ищет данные в почте и документах Яндекс 360 и собирает результат. Новой организации до 250 сотрудников первые три месяца бесплатны, дальше 1199 рублей в месяц за сотрудника, действующим клиентам Яндекс 360 сервис бесплатен до 8 ноября 2026 года. Данные хранятся в дата-центрах Яндекса в России (Яндекс 360). Сбер продаёт платформу ГигаЧат Бизнес, где компания собирает агентов сама, открытой цены у неё нет.
Свой рейтинг на двадцати задачах
Обзор ИИ-агентов полезнее всего собрать самому. Двадцать типовых задач прошлого месяца отдаются двум кандидатам в пробный период, а сотрудник, который делает эту работу сейчас, отмечает, что принял бы без переделки. Доля принятого и есть ваш рейтинг.
Как подготовить для агента описание задачи и папку документов, я разбирал в статье про то, как сделать ассистента без программиста.
Где верх рейтинга не нужен
По моему опыту, точность модели выбирают по тому, кто прочитает её результат следующим. Если дальше результат читает и правит сотрудник, платить за верх таблицы нет смысла, модель попроще справится не хуже.
Обычно это выглядит так. Агент собирает сводку писем для руководителя, черновики ответов для менеджера, выжимку из договора для юриста, и каждую бумагу потом прочтёт сотрудник. Разница между первым и десятым местом таблицы утонет в его правке. Верх рейтинга оправдан там, где результат без проверки человеком уходит клиенту или сразу записывается в учётную систему (и таких мест в компании обычно меньше, чем кажется на первой встрече с продавцом).
На учебном расчёте с ценой Алисы AI для бизнеса для новой организации двадцать мест обходятся в 23 980 рублей в месяц. Сумма небольшая, а вот работу, где правку никто не делает, легко оплатить ошибкой у клиента.
Выбор ИИ-агента начинается со списка мест, где после агента никто не смотрит, туда я ставлю самое сильное, а в остальные что подешевле. Деньги в автоматизации считают по освободившимся часам, об этом статья про то, когда автоматизация с нейросетью приносит деньги.
Где нейросеть помогает выбрать агента, а где опасна
Нейросеть хорошо снимает с собственника черновую часть выбора. Прочитать три коммерческих предложения, выписать из них все обещания с числами, найти, где метод не описан, собрать список задач для пробы из выгрузки за месяц. Ошибку в такой работе видно сразу, а сэкономленные часы настоящие.
Опасно спрашивать у нейросети, какой агент сейчас лучший. Она отвечает по данным своего обучения, а таблицы меняются быстрее, в Remote Labor Index лучший результат вырос с 2,5 % осенью 2025 года до 21,25 % к октябрю 2026-го. Ответ будет уверенным и устаревшим, а цену модель вполне может придумать.
Что проверять на пробе, кто принимает работу агента и где хранятся данные клиентов, решаю я сам. Машине отдаю сравнение и подсчёт, а итоговую долю принятых задач считаю по отметкам сотрудника. Как не застрять на пилоте после выбора, разобрано в статье про внедрение нейросетей в бизнес.
Промпт: проверка обещаний продавца ИИ-агента
На вход идёт то, что у вас уже лежит, коммерческое предложение или презентация продавца агента, можно текст его сайта, и три-четыре факта о вашей задаче, сколько таких операций в месяц, сколько людей их делают и в каких программах. Название своей компании и имена клиентов замените метками, персональные данные и коммерческую тайну в публичный чат не вставляйте. Подойдёт любая крупная модель, DeepSeek работает бесплатно и без VPN, ChatGPT и Claude мощнее, но с ограничениями доступа из России.
Роль. Ты аналитик закупок и проверяешь обещания продавца ИИ-агента по приложенному тексту.
Результат. Таблица обещаний: дословная цитата, есть ли число, описан ли метод (кто, на каких задачах, кто принимал результат), можно ли проверить это на моих задачах за две недели, вопрос продавцу. Под таблицей два отдельных числа. Первое: сколько обещаний всего и сколько из них идут с числом и описанным методом. Второе: сколько моих операций в месяц продавец обещает забрать (его процент, умноженный на моё число операций) и сколько из них я смогу проверить за пробный период.
Зачем. Хочу перед оплатой понять, за что я плачу: за замер или за рекламную фразу, и прийти к продавцу с короткими вопросами.
Подзадачи строго по порядку, к следующей не переходи, пока не закрыта предыдущая.
1. Перескажи в трёх строках мою задачу по фактам, которые я дал, и спроси, верно ли понял. Без ответа дальше не иди.
2. Выпиши все обещания продавца дословно, с числами и без, и покажи список.
3. Заполни таблицу. Если метод не описан, так и пиши «метод не указан», не достраивай его.
4. Посчитай оба числа по отдельности, единица работы одна операция из моих фактов. Если продавец не называет процента или пробного периода, не считай, а допиши вопрос, какие данные у него запросить.
5. Под каждой находкой дай одну фразу, которую я завтра отправлю продавцу, вежливую и с конкретной просьбой: данные замера, условия пробного периода, кто проверял результат.
Нюансы. Пиши простым языком, деньги в рублях. Если обещания в тексте противоречат друг другу, покажи обе цитаты и спроси. Если в тексте нет цен, не называй их.
Рамки. Не выдумывай цифры рейтингов и цены агентов, опирайся только на приложенный текст. Не оценивай продавца как компанию. Мотивационные речи и рассуждения о важности опусти полностью.Коротко: главное из статьи
- Рейтинг ИИ-агентов меряет задания своего стенда, и о вашей работе он говорит столько, сколько она похожа на этот стенд.
- В OSWorld-Verified лучший агент выполняет 86 % заданий за компьютером, у людей авторы стенда намерили 72,36 %, а в Remote Labor Index сдаёт на уровне профессионала 21,25 % оплаченных заказов.
- Когда работу агента принимает другая модель, результат выходит завышенным, в замере Remote Labor Index в 2,3–2,9 раза.
- Цифра продавца без описания метода, как «до 70 % рутинных операций», замером не считается.
- Свой рейтинг собирают на двадцати задачах прошлого месяца, и приёмщиком в нём выступает сотрудник, который делает эту работу сейчас.
- Самый сильный агент нужен там, где его результат уходит клиенту без проверки человеком.
Частые вопросы
Какой ИИ-агент сейчас лучший?
На октябрь 2026 года в официальной таблице OSWorld-Verified первым стоит Claude Fable 5 от Anthropic с результатом 86,0 %, в таблице Remote Labor Index первым идёт Opus 5.5 с 21,25 % принятых заказов. Лидеры меняются каждые несколько месяцев, поэтому для компании лучшим оказывается агент, который чаще других сдаёт без переделки ваши собственные задачи.
Есть ли российский рейтинг ИИ-агентов?
Открытого российского рейтинга агентов с описанным методом и замером на бизнес-задачах я не нашёл. В поисковой выдаче по этому запросу стоят подборки «топ-10» с описаниями продуктов, где оценку никто не ставил. Российских разработок нет и в начале международных таблиц OSWorld-Verified и Remote Labor Index, поэтому отечественный сервис проверяют пробой на своих задачах.
Сколько стоит ИИ-агент для компании в России?
Новой организации до 250 человек Алиса AI для бизнеса с агентским режимом «Задачи» обходится в 1199 рублей в месяц за сотрудника после трёх бесплатных месяцев, действующим клиентам Яндекс 360 она бесплатна до 8 ноября 2026 года. У платформы ГигаЧат Бизнес открытой цены нет, её называют по запросу. Агенты на зарубежных моделях оплачиваются в долларах, и доступ к ним из России ограничен, поэтому к цене прибавляется ещё и способ оплаты.
Можно ли верить продавцу, что агент заберёт 70 % операций?
Верить такой цифре можно после того, как продавец покажет, на каких задачах её мерили и кто принимал результат. В независимом замере Remote Labor Index лучший агент сдал на уровне профессионала 21,25 % настоящих заказов, а автоматический судья завышал результаты в 2,3–2,9 раза. Попросите у продавца пробный период на двадцати своих задачах.