OpenClawブラウザ、100タスクの実ウェブベンチマークで大半のタスクを完了するもコストは3.5倍

ある開発者がOpenClawのブラウザを他の4つのエージェント設定と、Online-Mind2Webの100個の高難度ライブWebタスクで比較しました。OpenClawは最も多くのタスク（35）を完了しましたが、最も遅く、最も高コストで、$4.80かかりました。最も安い競合は$0.65でした。

検証設定

すべての設定でClaude Haiku 5.5、ヘッド付きChrome、同じプロンプト、サーバー、IPを使用。制限時間は1タスク10分で、1タスクにつき1回のみ試行。

結果（完了数 / 中央値時間 / 総コスト）

• OpenClaw：35、141秒、$4.80
• 5dive（Claude Code）：32、105秒、$1.39
• Claude in Chrome：29、67秒、$0.91（推定 — サブスクリプションで実行）
• 5dive（pi）：29、105秒、$0.65
• Hermes：18、86秒、$0.72

著者は、上位設定間の差はペアテストでは統計的に有意ではなかったと述べています。

差が生じた理由

• Hermesは早く止まる：1タスクあたり11.6ステップ（OpenClawは23.5）。ブロックされたタスクを除いても、Hermesは22%完了（OpenClawは45%）。
• バッチ処理：OpenClawのバッチ処理はデフォルトで有効で、100タスク中5タスクでエージェントが使用。
• トークンの再読み込み：小規模テストでは、OpenClawの各呼び出しで72Kトークンを再読み込み（Claude Codeは43K、piは4.5K）。
• 速度：Claude in Chromeが最速で1タスク67秒 — ステップに4秒（他は8〜10秒）。著者は、各ページの安定を待ち、すべてのクリックを再確認しているためと推測。
• ボットウォール：各設定は100タスク中20〜26タスクでボットウォールに遭遇（サーバー側エージェントはデータセンターIPになるため）。

ブラウザの違い

Claude in ChromeはAnthropicの拡張機能を通じてユーザー自身のChromeを操作します。5diveはエージェント自身のサーバーでChromeを実行し、ログイン状態を維持します。サイトがロボットチェックを出した場合、エージェントはそのライブウィンドウへのワンタイムリンクを送り、ユーザーが解決して続行できるようにします。

著者が指摘する制限

• 安価なモデルを使用し、ライブタスクは1回のみ試行。
• エージェントがテストリグを構築。ジャッジはHaiku 5.5を使用したため、スコアはベンチマークのリーダーボードとは比較できない。
• Claude in ChromeとHermesは他の設定より1〜2日後に実行され、ライブサイトは変化する。
• 著者は5diveブラウザを開発したため、中立ではない。

著者は、ユーザーが呼び出しを削減できると考える設定でOpenClawを再実行したいと述べています。生の結果は公開gistにあり、5diveはMITライセンスのオープンソースです。