죄송합니다!양식을 제출하는 중에 문제가 발생했습니다.
최고의 Gemini Computer Use 대안은 무엇을 대체하려는지에 따라 달라집니다. 직접 구축한 스크린샷-액션 루프를 유지하면서 모델만 교체하고 싶다면, 직접적인 대체재는 다음과 같습니다. Anthropic의 Claude computer-use 툴셋및OpenAI의 computer 도구, 그리고 H Company의 Holo4,OpenCUA및ByteDance의 UI-TARS 등이 직접 호스팅할 수 있는 오픈 웨이트 모델입니다. 루프 구축을 완전히 중단하고 자체 컴퓨터 환경을 갖춘 에이전트에게 전체 작업을 맡기고 싶다면, Simular의 Sai입니다. 은 이 목록에서 데스크톱 애플리케이션과 브라우저 모두를 지원하는 유일한 옵션입니다. 에이전트가 웹 페이지만 다룬다면, Browser Use및Stagehand 는 브라우저 전용 아키텍처를 유지할 수 있게 해줍니다(브라우저 인프라 계층에 대한 Browserbase 대안 가이드를 참조하세요). 여기에는 여전히 내부적으로 Gemini를 호출하는 옵션도 포함됩니다.
2026년 말에 이 질문이 대두된 이유는 Google이 제품을 변경했기 때문입니다. 2025년 10월에 출시된 독립형 Gemini 2.5 Computer Use 모델 은 2026년 7월 28일에 서비스가 종료되었습니다; 현재 컴퓨터 사용 기능은 Gemini 3.x Flash 제품군의 내장 도구로 제공되며 여전히 프리뷰(Preview) 단계입니다. Google은 여전히 에이전트가 실행되는 브라우저나 가상 머신을 호스팅하지 않습니다. 이 가이드는 10가지 Gemini Computer Use 대안을 유형(모델, 프레임워크 또는 관리형 에이전트), 범위(브라우저, 데스크톱, 모바일), 컴퓨터 제공 주체, 가격, 라이선스, 벤더가 보고한 벤치마크 및 인간 개입(human-in-the-loop) 제어 기능을 기준으로 비교합니다. 모든 수치는 2026년 10월 12일 기준으로 각 벤더의 공식 문서, 가격 페이지 또는 모델 카드에서 확인했으며, 벤더가 수치를 공개하지 않은 경우 해당 내용을 명시했습니다.
Gemini 컴퓨터 사용(Computer Use) 은 Gemini API의 도구로, Gemini 모델이 스크린샷을 통해 사용자 인터페이스를 제어할 수 있게 해줍니다. 이는 현재 개발자가 사용할 수 있는 여러 컴퓨터 사용 API 중 하나입니다. 애플리케이션이 스크린샷과 목표를 전송하면, 모델은 다음과 같은 함수 호출을 반환합니다. click,입력,scroll,drag_and_drop또는navigate, 이때 좌표는 0에서 999까지의 그리드로 정규화되며, intent 문자열이 해당 단계를 설명합니다. 사용자의 코드는 제공된 브라우저나 데스크톱 환경에서 작업을 실행하고, 새로운 스크린샷을 찍어 다시 전송합니다. 이 루프는 작업이 완료되거나, 오류가 발생하거나, 안전상의 이유로 확인이 필요하거나, 사용자가 중단할 때까지 반복됩니다. Google은 환경을 직접 제공하지 않으며, 참조 구현 는 로컬에서 Playwright를 구동하거나 Browserbase 세션을 사용합니다. 또한 관련 문서에서는 Docker와 같은 샌드박스 환경에서 에이전트를 실행할 것을 권장합니다.
2025년 10월 출시 이후 오늘날까지 세 가지 변화가 있었습니다. 첫째는 모델입니다. gemini-2.5-computer-use-preview-10-2025는 Gemini 2.5 Pro를 기반으로 구축되었으나 2026년 7월 28일에 서비스가 종료되었으며, Google의 지원 중단 페이지에서는 gemini-3.8-flash 를 대체 모델로 안내하고 있습니다. 현재 컴퓨터 사용 가이드에서는 3.8 Flash 사용을 권장하며, gemini-3.5-flash-lite 를 저비용 옵션으로, gemini-3-flash-preview 여전히 나열되어 있습니다. 둘째, 범위입니다. 2025년 출시 게시물에서는 해당 모델이 "주로 웹 브라우저에 최적화되어 있으며" "데스크톱 OS 수준의 제어에는 아직 최적화되지 않았다"고 언급했습니다. 그 이후로 2026년 6월 24일 Gemini 3.5 Flash 업데이트 이 도구는 브라우저, 모바일(Android), 데스크톱 환경을 각각 별도의 작업 세트로 제공하며, 데스크톱 관련 주의 사항은 문서에서 삭제되었습니다. 셋째, 안전 영역입니다. 7가지 구성 가능한 안전 정책 범주(금융 거래, 민감한 데이터 수정, 통신 도구, 계정 생성, 데이터 수정, 동의 관리, 법적 약관), 단계별 safety_decision 최종 사용자의 확인이 필요할 수 있는 기능과 3.5 Flash-Lite 이상 버전에서 스크린샷에 대한 선택적 프롬프트 주입 탐지 기능이 포함되었습니다.
변하지 않은 것은 업무 분담입니다. 이 도구는 여전히 프리뷰 상태이며(Google의 표현에 따르면 "오류 및 보안 취약점이 포함될 수 있음"), 이전 모델과 최신 모델 간에 작업 세트가 다르므로 2.5 모델을 기준으로 작성된 루프는 모델별 처리가 필요합니다. 또한 컴퓨터는 사용자가 직접 준비하고 보안을 유지하며 비용을 부담해야 합니다. 가격 별도의 도구 사용료 없이 모델 토큰당 부과됩니다. 3.8 Flash는 2026년 12월 31일까지 입력 토큰 100만 개당 0.75달러, 출력 토큰 100만 개당 3.75달러이며, 2027년 1월 1일부터는 각각 1.50달러와 7.50달러로 인상됩니다. 3.5 Flash-Lite는 각각 0.30달러와 2.50달러입니다. 벤치마크에서 Google의 Gemini 3.8 Flash 모델 카드 는 OSWorld-2.0(부분 점수)에서 59.0%를 기록하여 Claude Opus 5의 75.4%와 비교되며, OSWorld-Verified 리더보드 에는 Google의 제출물이 전혀 없습니다. Gemini 기반 항목은 모두 Gemini Pro 모델을 기반으로 구축된 타사 에이전트뿐입니다.
개발자 포럼, 비교 기사, Google의 자체 변경 로그를 읽어보면 그 이유는 다섯 가지로 요약됩니다. 첫째는 마이그레이션 자체입니다. 2.5 프리뷰 모델로 구축된 루프가 7월에 작동을 멈췄고, 어차피 작업 처리를 다시 작성해야 한다면 지금이 비교하기에 적절한 시기이기 때문입니다. 둘째는 범위입니다. 에이전트가 데스크톱 애플리케이션, 파일 대화 상자 또는 터미널을 열어야 하는 팀들은 2025년 모델이 명확하게 브라우저 우선임을 확인했습니다. 2026년 도구에 데스크톱 환경이 추가되었지만, Google은 이에 대한 데스크톱 벤치마크를 게시하지 않았고 데스크톱 참조 구현도 제공하지 않습니다. 셋째는 컴퓨터 문제입니다. Google은 모델만 제공할 뿐 Playwright, VM 플릿, 세션 유지, 로그인, 승인 UI는 사용자가 직접 운영해야 합니다. 넷째는 긴 작업에서의 신뢰성입니다. Google이 게시한 유일한 데스크톱 벤치마크에서 최고의 Flash 모델은 선도적인 모델들에 비해 약 16포인트 뒤처집니다. 다섯째는 프리뷰 상태와 그에 따른 모델 변경입니다. 지난 12개월 동안 컴퓨터 사용이 가능한 Gemini 모델 3개가 출시, 지원 중단 또는 경로 변경되었습니다.
아래의 각 대안은 이러한 문제 중 일부를 해결하지만 전부는 아닙니다. 스스로에게 던져야 할 첫 번째 질문은 이미 보유한 루프를 위해 다른 모델을 원하는지, 아니면 루프 자체를 소유하는 것을 그만두고 싶은지입니다.
우리는 유형(모델 수준 작업 예측기, 오픈 소스 프레임워크, 브라우저 에이전트 플랫폼 또는 관리형 에이전트), 범위(브라우저, 데스크톱 운영 체제, 모바일), 컴퓨터 제공 주체, 게시된 가격, 오픈 소스 상태 및 라이선스, 공급업체의 최신 벤치마크 주장, 인간 개입 제어, 공급업체가 직접 밝힌 한 가지 제한 사항을 기준으로 10가지 옵션을 비교했습니다. 수치는 2026년 10월 12일 기준 공식 문서, 가격 페이지, 모델 카드 및 GitHub README에서 가져왔습니다. 벤치마크 수치는 공급업체가 보고한 것이며 서로 다른 하네스와 OSWorld 버전을 사용하므로, 버전과 출처를 함께 명시하며 이를 기준으로 순위를 매기지는 않았습니다. Simular는 이 가이드를 게시하며 Sai를 첫 번째로 나열했는데, 이는 Sai가 계층 하나가 아닌 전체 스택을 대체하는 유일한 옵션이기 때문입니다. 나머지 9개는 가장 직접적인 모델 대 모델 대체품부터 가장 다른 아키텍처 순으로 정렬되었습니다. 이 내용은 어떠한 후원도 받지 않았습니다.
웹사이트: platform.simular.ai.유형: 자체 클라우드 컴퓨터를 갖춘 관리형 작업 수준 컴퓨터 사용 에이전트입니다. 범위: 전체 컴퓨터: Windows 또는 Linux 클라우드 머신, Simular 호스트, 또는 사용자의 Mac이나 Windows 기기에서 데스크톱 애플리케이션, 브라우저, 파일 및 터미널을 제어합니다. 가격: 무료 체험하기 (공용 Windows 클라우드 컴퓨터, 크레딧 매일 갱신); 종량제 월 50달러(50,000 크레딧 포함, 컴퓨터 실행 시간에만 요금 부과, 최대 5대의 클라우드 컴퓨터 동시 사용 가능); Sai Unlimited 월 500달러(상시 실행 컴퓨터 제공); 엔터프라이즈 맞춤형. 오픈 소스: 아니요. 기반 연구 프레임워크인 Agent S는 Apache-2.0 라이선스를 따릅니다(항목 8).
이 목록의 다른 모든 옵션은 모델, 프레임워크 또는 브라우저만 제공할 뿐, 에이전트를 직접 구축해야 합니다. Sai는 이를 완전히 뒤집습니다. 사용자가 평문으로 작업 내용을 요청하고 선택적으로 머신을 지정하면, POST /v1/agents/message에이전트가 계획을 세우고, 화면을 확인하고, 클릭과 타이핑을 수행하며, 오류를 복구하고 결과를 반환합니다. 사용자의 코드는 다음에서 진행 상황과 최종 답변을 읽어옵니다. ;스크린샷 루프를 작성하거나, 좌표 스케일링을 조정하거나, Playwright 플릿을 관리하거나, 이번 분기에 어떤 Gemini Flash 모델을 사용할지 고민할 필요가 없습니다. 이 컴퓨터는 API와 함께 제공됩니다. 유료 플랜에서는 세션당 전용 Windows 또는 Linux 데스크톱이, 무료 플랜에서는 공용 데스크톱이 제공되며, 데이터가 이미 있는 곳에서 작업해야 할 경우 사용자의 Mac이나 Windows 머신을 사용할 수도 있습니다. 마지막 부분은 현재 Gemini의 아키텍처가 따라올 수 없는 강점입니다. Google의 참조 에이전트는 브라우저 환경만 지원하며, 데스크톱 환경은 샘플 코드나 공개된 데스크톱 벤치마크 없이 제공됩니다.
'Human-in-the-loop(사람 개입)'는 권장 사항이 아닌 필수 상태입니다. 에이전트가 로그인, 비밀번호 입력 또는 전화 인증 단계에 도달하면 직접 입력하지 않고, needs_approval 이벤트를 승인 링크와 함께 발생시킨 후 사람이 처리할 때까지 대기합니다. 동일한 메커니즘이 명령어 및 기타 민감한 작업에도 적용되며, 사용자는 다음을 통해 응답합니다. 이벤트는 사용자가코딩 에이전트 내에서 이를 활용하려는 개발자는 다음을 통해 동일한 기능을 사용할 수 있습니다. MCP 서버,npx -y @simular-ai/sai-mcp, Claude Code, Codex 및 Cursor에서 사용할 수 있습니다. 신뢰성은 암시되는 것이 아니라 공개됩니다. Simular는 OSWorld 2.1에서 작업당 14.34달러의 비용으로 77.3%의 부분 점수를 기록했으며, 관련 궤적(trajectories)은 공개되어 있습니다. 이는 이 가이드의 모든 수치와 마찬가지로 벤더가 제공한 수치이지만, 구글이나 여기에 언급된 어떤 오픈 웨이트 모델도 전체 에이전트에 대해 공개하지 않는 비용이 포함된 작업 단위 완료율입니다.
usage.costUsd 를 모든 이벤트 응답에서 확인할 수 있습니다.computer_use 도구 호출을 완벽하게 대체할 수 없습니다. 즉, 사용자가 직접 루프를 가져오거나 다른 모델로 교체할 수 없습니다.Gemini Computer Use를 더 큰 에이전트의 도구 중 하나로 사용하면서 제어 루프를 직접 유지 관리하는 대신 "컴퓨터에서 이 작업을 수행하라"는 명령을 내리고 싶은 에이전트 빌더, 그리고 브라우저를 벗어난 작업이 필요한 모든 팀에게 적합합니다.
웹사이트: platform.claude.com.유형: Messages API 및 Agent SDK 내 모델 수준의 컴퓨터 사용 도구 세트입니다. 범위: 핸들러를 구현하는 모든 데스크톱 OS 또는 브라우저; Anthropic의 참조 환경은 Docker 기반의 Linux입니다. 가격: 도구 추가 비용 없는 모델별 토큰 가격: Claude Opus 5.5는 백만 토큰당 입력 4달러/출력 20달러, Sonnet 5.5는 2달러/10달러, Haiku 5.5는 0.10달러/0.50달러입니다. 오픈 소스: 아니요; 퀵스타트 데모는 공개되어 있습니다.
Gemini Computer Use와 동일한 형태이면서 더 강력한 모델을 기반으로 하는 도구를 찾으신다면, 이 제품이 가장 적합합니다. 현재 도구는 computer_toolset_2026080117개의 멤버 도구(스크린샷, 왼쪽 클릭, 입력, 확대/축소 등)로 구성되어 있으며 베타 헤더가 필요 없고 Fable, Mythos, Opus, Sonnet 및 Haiku 5 시리즈 모델에서 지원됩니다. 이전 버전인 computer_20251124및computer_20250124 버전은 이전 모델에서 여전히 허용됩니다. 루프는 이미 알고 계신 방식 그대로입니다. 스크린샷을 입력하고, 동작을 출력하면, 사용자가 이를 실행합니다. Anthropic이 공개한 수치 는 이 목록에서 벤더가 보고한 데스크톱 점수 중 가장 높으며, Opus 5.5의 경우 OSWorld 2.1에서 81.8%의 부분 성공률을 기록했습니다(Fable 5.1은 80.7%, Opus 5는 74.0%). 문서에서는 실패 모드에 대해 이례적으로 솔직하게 밝히고 있는데, Claude는 "특정 좌표를 출력할 때 실수하거나 환각을 일으킬 수 있고", 지연 시간이 "너무 길 수 있으며", "완벽한 정밀도가 요구되거나 민감한 사용자 정보가 포함된 작업에는 사람의 감독 없이 사용하지 말 것"을 권장합니다. 안전 조치로는 도구 결과에 대한 프롬프트 주입 분류기와 중요한 작업 전 확인을 거치라는 지침이 포함되어 있습니다. Gemini와 같은 명명된 정책 범주는 없으므로 해당 로직은 직접 작성해야 합니다.
기존 Gemini 루프를 사용 중이며 더 나은 데스크톱 정확도가 필요하고, 환경을 직접 운영할 준비가 된 팀.
웹사이트: developers.openai.com.유형: 모델 수준 computer 도구; OpenAI는 이제 코드 실행 패턴을 권장합니다. 범위: 직접 실행하는 브라우저 또는 데스크톱 VM. 가격: GPT-6 Astra 토큰 100만 개당 $10 / $50, GPT-6.1 Sol $2 / $10, GPT-6 Luna $0.10 / $0.50; 빠른 모드 사용 시 요금이 두 배가 됩니다. 오픈 소스: 아니요.
이와 관련한 OpenAI의 행보는 Google과 유사합니다. 기존의 computer-use-preview 모델(2025년 3월)은 2026년 7월 23일에 종료되었습니다. 이는 Gemini 2.5 Computer Use 출시 5일 전이었으며, Operator 제품은 2025년 8월에 종료되었고 그 후속인 ChatGPT 에이전트는 이후 ChatGPT Work로 통합되었습니다. 개발자에게 남은 것은 computer GPT-6 Astra, 6.1 Sol 및 6 Luna에서 작동하는 도구입니다. 이는 Gemini의 방식(구조화된 마우스 및 키보드 작업, PyAutoGUI 또는 Playwright에서 실행)과 유사하며, 여기에 새로운 권장 사항이 추가되었습니다. 모델이 짧은 PyAutoGUI 또는 Playwright 스크립트를 작성하게 하고 이를 함수 도구를 통해 실행하는 방식인데, OpenAI는 현재 이것이 Astra에 가장 권장되는 접근 방식이라고 밝히고 있습니다. OpenAI는 OSWorld 2.0에서 72.6%의 부분 성공률을 보고했습니다 (Astra 기준, 오프라인 하위 집합, 작업당 약 40분 소요). Sol의 경우 65.7%였으며, 안전 검사로 인해 "정상적인 작업이 느려지거나 일시 중지되거나 중단될 수 있음"을 언급했습니다. Gemini 및 Claude와 마찬가지로 환경은 사용자가 직접 관리해야 합니다.
한 번에 한 번씩 클릭하는 방식 대신 자동화 코드를 작성할 수 있는 모델을 원하는, OpenAI 스택을 표준으로 사용하는 팀.
웹사이트: hcompany.ai.유형: 호스팅된 추론 API와 Surfer 에이전트 하니스를 갖춘 오픈 웨이트 컴퓨터 사용 모델(Holo4 27B dense, 35B-A3B mixture of experts). 범위: 데스크톱, 웹 및 Android. 가격: API 가격은 27B 모델의 경우 토큰 백만 개당 입력 $0.40 / 출력 $3.00이며, 35B-A3B 모델은 입력 $0.30 / 출력 $2.00입니다. 35B-A3B 가중치는 무료로 제공됩니다. 오픈 소스: 35B-A3B 가중치는 Apache-2.0 라이선스를 따르며, 27B 모델의 라이선스는 명시되지 않았습니다.
2026년 9월 28일에 출시된 Holo4는 Gemini를 직접 실행 가능한 모델로 대체하려는 경우 가장 강력한 대안입니다. H Company는 자체 테스트 환경에서 27B 모델이 작업당 $0.08의 비용으로 85.2%, 35B-A3B 모델이 작업당 $0.05의 비용으로 80.8%의 성능을 보였다고 보고했습니다. 또한 최신 OSWorld 2.0에서 27B 모델이 Claude Opus 5.5의 81.8% 대비 61.7%의 점수를 기록했음을 솔직하게 밝히며, "긴 워크플로우에서는 가장 강력한 폐쇄형 모델에 뒤처진다"고 언급했습니다. 하지만 짧거나 중간 정도의 작업에서는 Flash 대비 출력 토큰당 비용이 10분의 1 수준이면서 Apache-2.0 라이선스로 직접 호스팅할 수 있는 모델을 마다할 이유는 없습니다. Gemini와 마찬가지로 Holo4는 모델 자체일 뿐이며, 환경과 루프는 사용자가 직접 구축해야 합니다. 또한 H는 인간 개입(human-in-the-loop) 메커니즘에 대해 문서화하지 않았습니다.
모델과 루프를 직접 소유하고자 하며, 27B 모델로 충분히 처리 가능한 짧은 작업을 수행하는 팀에 적합합니다.
웹사이트: github.com/xlang-ai/OpenCUA.유형: 오픈 컴퓨터 사용 파운데이션 모델(7B, 32B, 72B, Qwen 기반) 및 AgentNet 데이터셋과 도구. 범위: 데스크톱: Windows, macOS 및 Ubuntu. 가격: 무료입니다. GPU 비용만 부담하시면 됩니다. 오픈 소스: 모델, 데이터, 도구 및 코드에 MIT 라이선스가 적용됩니다.
OpenCUA 는 다음을 유지 관리하는 동일한 그룹에서 제공하며, OSWorld"gemini computer use alternatives github" 검색 결과 중 가장 깔끔한 답변입니다. 학습 데이터를 포함한 모든 것이 MIT 라이선스를 따릅니다. 72B 모델은 OSWorld-Verified 100단계에서 45.0%(3회 실행 평균)의 점수를 기록했고, 32B는 34.8%, 7B는 26.6%를 기록했습니다. 폐쇄형 모델보다는 낮은 수치이지만, 재현 가능한 벤치마크라는 점이 특징입니다. vLLM을 통해 서빙하며, 문서화된 특이 사항이 있습니다(모델이 1D RoPE를 사용하므로 기본 Transformers 및 vLLM 클래스를 사용해서는 안 됨). 학습 코드는 아직 준비 중입니다. 안전 메커니즘은 문서화되어 있지 않으며, 이는 제품이 아닌 연구용 인프라입니다.
자체 데스크톱 에이전트를 미세 조정하고자 하는 엄격한 라이선스 요구 사항을 가진 연구팀 및 기업.
웹사이트: github.com/bytedance/UI-TARS.유형: UI-TARS 데스크톱 애플리케이션을 포함한 엔드투엔드 GUI 에이전트 모델 제품군입니다. 범위: 데스크톱(로컬 컴퓨터 및 브라우저)과 모바일을 지원합니다. 가격: UI-TARS-1.5-7B 가중치는 무료이며, 더 큰 1.5 모델은 연구 요청을 통해 제공됩니다. UI-TARS-2 가중치는 공개되지 않았습니다. 오픈 소스: 코드와 7B 모델에 Apache-2.0 라이선스가 적용됩니다.
UI-TARS는 Agent S3가 그라운딩 구성 요소로 권장하는 모델이며, 그 자체로도 완벽한 에이전트입니다. UI-TARS Desktop 이를 로컬 머신을 제어하는 앱으로 감쌉니다. 발표된 수치는 UI-TARS-1.5(100단계)의 경우 OSWorld에서 42.5%, UI-TARS-2의 경우 그 2025년 9월 기술 보고서, Online-Mind2Web에서 88.2%, AndroidWorld에서 73.3%라는 강력한 성능을 기록했습니다. 문제는 출시 주기입니다. 2025년 4월 이후 새로운 오픈 모델이 출시되지 않았고, UI-TARS-2의 가중치는 비공개 상태이며, 공식 저장소 어디에도 인간 개입(human-in-the-loop)이나 승인 메커니즘에 대한 설명이 없습니다.
자체 에이전트를 위한 로컬 무료 그라운딩 모델이나 실험용 데스크톱 앱을 원하는 개발자.
웹사이트: github.com/microsoft/fara.유형: Magentic-UI(MagenticLite) 인간 개입 앱과 함께 제공되는 소형 오픈 웹 에이전트 모델(4B, 9B, 27B, 2026년 7월 22일 출시). 범위: 브라우저 전용. 오픈 소스:MIT.
Fara는 OpenCUA의 브라우저 전용 대응 모델로, 소형이며 MIT 라이선스를 따르고 Playwright를 통해 라이브 웹사이트에서 작동하도록 학습되었습니다. Fara 1.5-27B WebVoyager에서 89.3%, Online-Mind2Web에서 72.3%를 기록했으며, 9B 모델은 각각 86.6%와 63.4%를 기록했습니다. 다른 오픈 모델과 차별화되는 점은 '임계점(Critical Points)' 개념이 내장되어 있다는 것입니다. 모델이 개인정보 입력, 결제, 메시지 전송, 지원서 제출 또는 로그인과 같은 작업을 수행하기 전에 스스로 멈추는데, 이는 Gemini의 안전 정책 범주에 해당하는 오픈 가중치 모델 중 가장 유사한 기능입니다. Microsoft는 이를 샌드박스 환경에서 실행하고 규제 대상 도메인에서는 사용하지 말아야 하는 영어 전용 연구용 프리뷰 버전으로 명시하고 있습니다.
Gemini를 브라우저 기반으로만 사용해 왔으며 직접 호스팅할 수 있는 소형 모델을 원하는 팀.
웹사이트: github.com/simular-ai/agent-s.유형: 모든 플래너 LLM과 그라운딩 모델을 결합하여 컴퓨터 사용 에이전트로 만들어주는 오픈소스 에이전트 프레임워크입니다. 범위: 데스크톱: macOS, Windows, Linux, 단일 모니터 지원. 가격: 무료; 모델 제공업체 이용료는 별도입니다. 오픈소스: Apache-2.0, pip install gui-agents을 제공합니다.
Agent S3 은(는) 다음의 오픈 리서치 프레임워크입니다. Sai, Sai의 호스팅 없이 Sai의 접근 방식을 사용하고 싶을 때 적합한 선택지입니다. 이 프레임워크는 사용자 기기에서 실행되며, 원하는 모델(OpenAI, Anthropic, Gemini, OpenRouter 또는 vLLM; README에서는 GPT-5 권장)로 계획을 세우고, 자체 호스팅된 UI-TARS-1.5-7B로 클릭 위치를 파악하며, Python을 실행하여 컴퓨터를 제어합니다. 출시 당시 OSWorld-Verified 단독 테스트에서 62.6%, Behavior Best-of-N 기법(GPT-5, 100단계) 적용 시 69.9%의 성능을 기록했으며, 이후 각각 66%와 72.6%로 향상되었습니다. Simular는 이를 해당 벤치마크에서 인간 기준치인 72.36%를 넘어선 최초의 결과 라고 설명합니다. 운영상의 트레이드오프도 존재합니다. 승인 절차가 없으며, 임의의 Python 및 Bash 코드를 실행하기 때문에 로컬 코딩 환경은 기본적으로 꺼져 있습니다. README에서도 "주의해서 사용하라"고 경고하고 있습니다.
데스크톱 에이전트 전체를 직접 제어하고 운영하는 데 익숙한 개발자용.
웹사이트: browser-use.com.유형: MIT 라이선스가 적용된 Python 브라우저 에이전트 라이브러리로, 호스팅된 브라우저와 자체 모델을 제공하는 Browser Use Cloud를 포함합니다. 범위: 브라우저 전용. 가격: 클라우드 브라우저 시간당 $0.02; BU 2.0 모델은 백만 토큰당 $0.60 / $3.50; 자체 API 키 사용 시 제공업체 요금에 0.2배의 오케스트레이션 수수료가 추가되며, 소액의 일회성 무료 크레딧이 제공됩니다. 오픈소스:MIT.
Browser Use는 많은 Gemini Computer Use 프로젝트가 실제로 구현하고자 했던 브라우저 에이전트입니다. 단순 좌표 대신 DOM과 스크린샷을 기반으로 작동하며, 모델에 구애받지 않습니다(OpenAI, Anthropic, Google 및 로컬 Ollama 모델을 위한 래퍼를 제공하며, 자체 BU 2.0 모델을 권장함). 클라우드 환경에서는 브라우저, 프록시, 호스팅된 에이전트 API를 추가로 제공합니다. 대표적인 벤치마크 결과는 다음과 같습니다. Online-Mind2Web에서 97% (Cloud API를 통한 bu-max 모델 기준, Claude 평가, 300개 작업 중 291개 성공), 오픈 라이브러리와 BU 2.0 조합 시 자체 BU Bench에서 63.3%를 기록했습니다. 일반적인 브라우저 에이전트의 한계점인 CAPTCHA 처리 보장 불가, 캔버스 전용 인터페이스, 교차 출처(cross-origin) iframe, 수천 개의 요소가 포함된 페이지에서의 신뢰성 저하 문제가 존재합니다.
computer_use 도구로 활용할 수 있습니다.브라우저 범위의 Gemini 루프를 성숙한 오픈 프레임워크로 대체하려는 팀에게 적합합니다.
웹사이트: stagehand.dev.유형: Browserbase를 관리형 브라우저 인프라로 사용하는 MIT 라이선스 브라우저 자동화 SDK(액트, 추출, 관찰, 에이전트)입니다. 범위: 브라우저 전용. 가격: Browserbase 무료 플랜 (브라우저 사용 시간 1시간, 동시 접속 3개), Developer 월 20달러(100시간, 동시 접속 25개), Startup 99달러(500시간, 동시 접속 100개); 모델 토큰 비용은 별도 청구됩니다. 오픈소스: Stagehand MIT 라이선스.
Google의 자체 Computer Use 데모는 다음에서 호스팅합니다. Browserbase, 그리고 Stagehand의 agent({ mode: "cua" }) 는 Gemini, Claude, OpenAI의 컴퓨터 사용 모델을 하나의 인터페이스로 통합하여 지원합니다. 덕분에 이 목록에서 가장 전환 부담이 적은 대안이 됩니다. 오늘 바로 루프를 Stagehand로 옮기고, 필요에 따라 Gemini 3.8 Flash를 백엔드로 유지하다가 나중에 모델 문자열만 변경하면 됩니다. Stagehand는 Gemini의 기본 도구에는 없는 기능을 추가로 제공합니다. observe()는 자격 증명이 모델에 노출되지 않도록 선택자를 반환하며, maxSteps 가드(기본값 20)와 DOM 작업 및 컴퓨터 사용 작업을 혼합하는 하이브리드 모드를 제공합니다. 문서에는 한계점이 명시되어 있습니다. CUA 모드는 변수, 스트리밍, 구조화된 출력을 지원하지 않으며, 기본 뷰포트는 1288x711로 고정되어 있어 "다른 뷰포트 크기 사용 시 성능이 저하될 수 있습니다." 또한 모델 목록의 OpenAI 항목은 여전히 지원이 종료된 프리뷰 모델을 참조하고 있습니다.
observe() 및 단계 제한 기능이 내장되어 있습니다.위험을 분산하고자 하는 팀이라면 당분간 Gemini를 유지하되, 해당 도구 스키마에 직접 코딩하는 것은 중단하십시오.