Computer-use агенты в 2026: где они ломаются на реальных сайтах

За 2025 год «computer-use» перестал быть словом из презентаций. Anthropic открыла режим Computer Use в API ещё в октябре 2024-го, OpenAI выпустила Operator в январе 2025-го, а Google показала Project Mariner в декабре 2024-го и постепенно раскатывала его в течение года. К 2026-му это уже не эксперимент, а функция, за которую берут деньги. Вопрос сменился: не «умеет ли модель кликать мышкой», а «сколько задач из ста она доводит до конца на реальном сайте, а не в стерильной песочнице».

Короткий ответ: заметно меньше ста. И именно эта дельта определяет, стоит ли доверять агенту оформление заказа, бронирование или заполнение формы за вас.

Что такое computer-use агент

Это модель, которая получает скриншот экрана, решает, куда нажать или что напечатать, и возвращает действие — «клик по координате», «ввод текста», «прокрутка». Дальше цикл повторяется: новый скриншот, новое действие. В отличие от классического веб-скрейпинга, агент¹ не читает HTML напрямую, а работает с картинкой, как человек. Отсюда и сильные стороны, и слабости: он справляется там, где нет API, но путается, когда интерфейс ведёт себя нестандартно.

Как мерят надёжность

Основной публичный бенчмарк для веб-задач — WebArena (Carnegie Mellon, 2023) и его расширения, а также WebVoyager — набор задач на живых сайтах вроде поиска рейса или товара. Есть и OSWorld для задач на уровне операционной системы. Проблема всех этих тестов в том, что реальный веб меняется каждый день: сайт, на котором агент проходил задачу вчера, сегодня выкатил новый баннер cookie — и сценарий рассыпается. Поэтому к любым процентам стоит относиться как к снимку на конкретную дату, а не как к гарантии.

Разница между 90% в песочнице и 90% на живом сайте — это разница между демо на сцене и деньгами, списанными с вашей карты за не тот билет.

Где агенты спотыкаются

Сценарии провалов за год стали предсказуемыми. Вот что регулярно ломает даже сильные модели:

• Капчи и проверки «я не робот». Многие агенты по требованию разработчиков останавливаются и просят человека пройти капчу — это осознанное ограничение, а не баг.
• Модальные окна и попапы. Всплывающее окно с промокодом или подпиской перекрывает нужную кнопку, и агент либо кликает по нему, либо зависает.
• Динамическая загрузка. Контент подгружается через секунду после скриншота — агент действует по устаревшей картинке.
• Многошаговые формы с валидацией. Ошибка в одном поле сбрасывает часть введённого, и агент не всегда замечает красную подсветку.
• Авторизация и двухфакторность. Код из SMS или приложения агент получить не может и упирается в стену.

Отдельная категория — цена ошибки. Прочитать почту и ошибиться не страшно. Оформить платный заказ, отправить письмо или удалить файл — уже да. Поэтому все крупные вендоры в 2025 году встроили режим подтверждения: перед необратимым или платным действием агент останавливается и спрашивает человека.

Кто есть кто в 2026

Ниже — сравнение по публично заявленным характеристикам. Точную доступность и цены сверяйте на официальных страницах: тарифы меняются каждые несколько месяцев.

Общая картина: три больших игрока сошлись в схожем дизайне — агент работает в изолированном браузере или виртуальной машине, останавливается на чувствительных шагах и не пытается обходить защиту сайтов. Это не техническое ограничение, а осознанная политика: обход капчи и автоматические покупки без спроса — прямой путь к блокировкам и претензиям.

Кому это пригодится и кому нет

Где агент реально экономит время

• Рутинный сбор данных с сайтов без API. Собрать цены с десятка страниц, свести в таблицу — задача, где ошибка дешёвая и легко проверяется.
• Заполнение однотипных форм по шаблону, когда вы всё равно перечитаете результат перед отправкой.
• QA-тестирование интерфейсов. Прогнать пользовательский сценарий и найти, где кнопка не работает.
• Ресёрч с навигацией по нескольким источникам, где итог — текст, а не необратимое действие.

Где полагаться на агента рано

• Платежи и финансовые операции без вашего контроля. Списание с карты по ошибке агента вернуть сложнее, чем перепроверить заказ вручную.
• Задачи с обязательной авторизацией и 2FA — агент упрётся в код подтверждения.
• Сайты с агрессивной защитой от ботов, где агент честно остановится, а вы всё равно пройдёте капчу сами.
• Юридически значимые действия — подписание, отправка заявлений, согласие с условиями. Здесь ответственность на вас, а не на модели.

Что проверить перед тем, как доверить задачу агенту

1. Обратимо ли действие. Если нет — оставляйте ручное подтверждение включённым.
2. Есть ли у сайта официальный API. Если есть, прямая интеграция надёжнее агента, работающего по скриншотам.
3. Сколько стоит ошибка в деньгах и времени. Для платных действий цена бага может превысить экономию.
4. Где выполняется агент — в изолированной среде или в вашем реальном браузере с сохранёнными сессиями. Второе рискованнее.
5. Логируются ли шаги. Без разбора действий вы не поймёте, где именно агент ошибся.

¹ Агент — программа на базе модели, которая не просто отвечает текстом, а выполняет последовательность действий для достижения цели: наблюдает состояние (скриншот), выбирает действие, оценивает результат и повторяет цикл, пока задача не решена или не упрётся в ограничение.