OpenClaw Browser completa la mayoría de las tareas en una prueba comparativa en la web real de 100 tareas, pero a 3,5 veces el costo

Un desarrollador comparó el navegador de OpenClaw con otras cuatro configuraciones de agentes en 100 tareas difíciles de la web en vivo de Online-Mind2Web. OpenClaw completó más tareas —35— pero también fue el más lento y el más caro: costó $4.80 frente a $0.65 del rival más económico.

La configuración

Todas las configuraciones usaron Claude Haiku 5.5, Chrome con interfaz gráfica, las mismas instrucciones, servidor e IP. El límite fue de 10 minutos por tarea, con un intento por tarea.

Resultados (completadas / tiempo mediano / coste total)

• OpenClaw: 35, 141 s, $4.80
• 5dive (Claude Code): 32, 105 s, $1.39
• Claude in Chrome: 29, 67 s, $0.91 (estimación — funciona con suscripción)
• 5dive (pi): 29, 105 s, $0.65
• Hermes: 18, 86 s, $0.72

El autor señala que las diferencias entre las mejores configuraciones no fueron estadísticamente significativas en sus pruebas emparejadas.

Por qué las diferencias

• Hermes se detiene antes: 11.6 pasos por tarea frente a 23.5 de OpenClaw. Excluyendo las tareas en las que se bloqueó, Hermes aun así completó el 22 % frente al 45 % de OpenClaw.
• Agrupación: la agrupación de OpenClaw estaba activada por defecto, y su agente la usó en 5 de las 100 tareas.
• Relecturas de tokens: en pruebas más pequeñas, cada llamada de OpenClaw releía 72 000 tokens, frente a 43 000 de Claude Code y 4 500 de pi.
• Velocidad: Claude in Chrome fue el más rápido con 67 s por tarea —sus pasos tardaban 4 s frente a 8–10 s de los demás. El autor supone que esperan a que cada página se estabilice y verifican cada clic dos veces.
• Barreras antibot: cada configuración se topó con una barrera antibot en 20–26 de las 100 tareas porque los agentes del lado del servidor reciben una IP de centro de datos.

En qué se diferencian los navegadores

Claude in Chrome controla tu propio Chrome mediante la extensión de Anthropic. 5dive ejecuta Chrome en el propio servidor del agente y mantiene la sesión iniciada; cuando un sitio lanza una verificación de robot, el agente te envía un enlace de un solo uso a esa ventana en vivo para que la resuelvas y pueda continuar.

Limitaciones que señala el autor

• Modelo económico, un intento por tarea en vivo.
• Los agentes construyeron el banco de pruebas; el juez usó Haiku 5.5, así que las puntuaciones no son comparables con la tabla de clasificación del benchmark.
• Claude in Chrome y Hermes se ejecutaron uno o dos días después que los demás, y los sitios en vivo cambian.
• El autor creó el navegador 5dive, así que no es neutral.

Dice que volvería a ejecutar OpenClaw con cualquier ajuste que sus usuarios crean que reduce las llamadas. Los resultados sin procesar están en un gist público, y 5dive es de código abierto bajo MIT.