Anthropic Computer Use vs Lindy AI 2026: developer API против no-code сотрудника

Anthropic Computer Use — это computer-use API. Не приложение, не подписка для конечного пользователя, а набор инструментов внутри Anthropic API: разработчик отправляет в Claude скриншот, получает в ответ команду вида left_click(x, y) или type("hello"), и сам выполняет эту команду на своей инфраструктуре — обычно в виртуальной машине или Docker-контейнере. Anthropic даёт три инструмента: computer (мышь, клавиатура, скриншот), text_editor (просмотр и редактирование файлов), bash (запуск shell-команд). Готового пользовательского интерфейса нет — есть reference Docker image для быстрого старта.

Lindy AI — наоборот, no-code SaaS для бизнес-автоматизации. Пользователь заходит на lindy.ai, выбирает шаблон («email-агент», «meeting notetaker», «lead qualification») и собирает агента из блоков: триггер (новое письмо, расписание, вебхук), действия (отправить ответ, создать запись в HubSpot), условия. Под капотом крутятся GPT-4o и Claude, но какие именно — платформа решает сама. Кодить не нужно.

Из карты выше виден ключевой факт: эти два сервиса не отбирают друг у друга клиентов в 90% сценариев. Разработчик, которому нужен QA-агент для своего SaaS, в принципе не рассматривает Lindy — там нет browser-use и нет API для разработчиков; ему ближе OpenAI Operator или MultiOn. Маркетолог, которому нужны автоответы на 200 писем в день, не открывает Anthropic API — там нужно сначала поднять контейнер и написать orchestrator, поэтому он смотрит на Zapier AI с no-code agent-блоками.

Когда они всё-таки попадают в одно сравнение — это enterprise-стеки, где компания собирает несколько агентов под разные функции. И тогда вопрос звучит не «X или Y», а «сколько у нас бюджета на инфраструктуру под Computer Use и сколько на seat-лицензии Lindy».

В Anthropic Computer Use уровень контроля целиком на стороне разработчика. Anthropic возвращает только решение о следующем действии — клик, нажатие, типизация — а исполняет это решение клиентский код. Разработчик может вставить confirmation перед любым шагом: «Claude хочет отправить email — спросить пользователя?». Может ограничить набор разрешённых действий — например, запретить bash-инструмент и оставить только browser-use. Может логировать каждый скриншот и каждый ответ. В документации Anthropic прямо пишет: «Human oversight обязателен для критичных операций», — и рекомендует запускать агента в изолированной VM, не с root-доступом.

Lindy AI работает на уровне выше — там автономность встроена в саму концепцию «AI employee». Lindy-агент не спрашивает разрешения на каждый клик: получил email, классифицировал, отправил ответ. Но у платформы есть встроенный механизм escalation: если Lindy «не уверена» — переключает на человека. На практике это значит, что вы доверяете платформе принимать тысячи мелких решений (классифицировать тональность письма, выбирать шаблон ответа), а контролируете только пограничные случаи.

Что это значит на практике. В QA-автоматизации, где Computer Use регрессит формы регистрации, разработчик может прописать: «Любое действие, изменяющее данные в production-БД — стоп, ждать подтверждения». В Lindy такое правило не настраивается на уровне «изменить запись в Salesforce» — только на уровне макро-решений вроде «escalate, если confidence < 0.7».

Разница важная для регулируемых отраслей. Финансовая компания с Computer Use может построить агента, который читает банковские выписки в браузере, но требует двойного подтверждения перед любой проводкой. Та же компания с Lindy получает агента, который читает выписки и заполняет CRM — но контроль «что именно сделала Lindy» доступен post-factum, через логи, а не как блокирующий gate.

Anthropic Computer Use — основная фича именно эта. Claude получает скриншот экрана как изображение, анализирует UI и возвращает одно из восьми действий: mouse_move, left_click, right_click, double_click, left_click_drag, key, type, screenshot. Это полный набор, которым человек обычно управляет компьютером. В Claude Opus 4.7 добавлена поддержка high-resolution скриншотов до 2576 пикселей — мелкие UI-элементы (чекбоксы, иконки в трее) Claude видит лучше.

Lindy AI ничего этого не умеет. Платформа работает через API-интеграции: Gmail OAuth, HubSpot REST, Zoom API. Если у нужного сервиса есть коннектор — Lindy использует его. Если коннектора нет — Lindy не пойдёт открывать сайт в браузере, чтобы кликнуть по форме. Это сознательное архитектурное решение: вместо хрупкого browser-automation платформа делает ставку на стабильные API.

У такой архитектурной разницы есть прямое следствие. Если сервис, который вам нужно автоматизировать, имеет публичный API — Lindy справится через коннектор за минуты настройки. Если у сервиса API нет или он закрыт за корпоративным SSO — Lindy бессильна, а Computer Use возьмётся. На нашем опыте таких «слепых зон» у среднего малого бизнеса немного: Gmail, Salesforce, HubSpot, Slack, Notion — у всех современные API.

Свои ограничения у Computer Use тоже есть. В dossier зафиксировано: «нестабильность на сложных UI. Капчи, сложная анимация, нестандартный layout — частые источники ошибок». Anthropic в документации прямо предупреждает: «не рекомендуется для production без oversight». Бета-статус не снимается с октября 2024 года — Anthropic не объявлял дату выхода из беты.

Anthropic Computer Use идёт в комплекте с двумя инструментами, превращающими его в кодирующего агента: text_editor для просмотра и редактирования файлов и bash для запуска shell-команд. В связке с computer-tool это полный software development loop: Claude может открыть проект в VSCode через computer-use, прочитать файлы через text_editor, запустить тесты через bash, проанализировать вывод, поправить код, перезапустить тесты. Anthropic публикует reference Docker image в репозитории anthropic-quickstarts — это Ubuntu с VNC, Claude SDK и набором CLI-инструментов, поднимается за минуты.

На бенчмарке SWE-bench, который в категории считается золотым стандартом для coding-агентов, конкретных публичных цифр Anthropic для Computer Use не зафиксировано в нашем dossier — компания публикует SWE-bench для самой модели Claude, но не для связки «Claude + computer-use loop». Это data gap, который не позволяет назвать Computer Use «бесспорным лидером» именно в роли coding-агента — там есть специализированные конкуренты вроде Devin.

Lindy AI в эту подтему попадает по другой причине — её там нет. В dossier раздела 12 («Слабые стороны и ограничения») прямо написано: «не для технических задач. Нет browser-use, нет coding agent». Lindy не предназначена для написания и запуска кода. Если в платформе есть условные «code blocks» для пользовательских скриптов — это узкая возможность для технических SMB-юзеров, а не полноценный coding-агент с тестами и PR.

Это не значит, что Computer Use всем подойдёт как coding-агент. У него три неудобства: высокая стоимость на длинных задачах (Opus 4.7 на coding-задаче в часах сжигает токены), бета-статус с возможными ошибками и отсутствие готового UI вроде того, что есть у Devin или Cursor. Разработчику, который хочет «открыть IDE и попросить агента» — Computer Use предложит сначала поднять контейнер.

Для Lindy этот разрыв — не баг, а позиционирование. Платформа сознательно ушла из coding-сегмента и сосредоточилась на email, CRM, встречах. Сравнивать её с Computer Use по этому параметру можно, но смысла в этом меньше, чем кажется.

Lindy AI здесь играет на своём поле. В dossier раздела 5 зафиксированы готовые интеграции: Email — Gmail, Outlook; Calendars — Google Calendar, Outlook Calendar; Video calls — Zoom, Google Meet; CRM — HubSpot, Salesforce; Messaging — Slack, WhatsApp Business; Task management — Notion, Linear, Asana. Плюс Zapier и вебхуки для всего остального. Это значит, что 90% сценариев SMB-автоматизации закрываются drag-and-drop сборкой из готовых блоков — без кода и без поддержки разработчика.

Anthropic Computer Use в этом разрезе — чистый лист. Anthropic предоставляет три tool-примитива (computer, text_editor, bash) и всё. Никаких готовых коннекторов к Gmail или HubSpot нет. Если разработчику нужен email-агент на Computer Use — он либо открывает Gmail в браузере и кликает по нему через computer-tool (хрупко и медленно), либо сам пишет интеграционный слой с Gmail API поверх Anthropic API (надёжно, но требует разработки).

Из dossier Lindy всплывают и слабые места этой архитектуры. В разделе 9 пользователи отмечают: «иногда пропускает контекст в длинных email-тредах», «нестандартные задачи требуют детальной настройки», «credits расходуются быстрее, чем ожидалось». Готовая платформа экономит время на старте, но не закрывает все edge-кейсы — на сложном корпоративном email с десятками веток правил пользователи всё равно тратят часы на тонкую настройку.

У Computer Use такого ограничения нет в принципе — разработчик строит integration ровно под свой workflow и пишет ровно те правила, которые нужны. Цена этой гибкости — недели разработки вместо часов сборки в Lindy.

Anthropic Computer Use стоит на Claude — и это сильная исходная точка для русского. Claude Sonnet 4.6 и Opus 4.7 понимают инструкции на русском, формируют ответы на русском, корректно распознают русскоязычные интерфейсы на скриншотах. На уровне core LLM проблем с русским в Claude мы в редакции не замечали — поэтому Computer Use, как обёртка над Claude, наследует это качество.

Тонкая деталь: распознавание русского текста на скриншоте — это OCR-задача, и Anthropic не публикует отдельных бенчмарков именно для русского кириллического OCR. По нашему опыту работы с Claude, кириллица в high-res скриншотах (с Opus 4.7 — до 2576 пикселей) считывается уверенно, но в low-res с мелким шрифтом возможны промахи. Это data gap, который мы фиксируем честно: бенчмарков нет, личный опыт редакции — положительный.

Lindy AI устроена иначе. В dossier раздела 7 зафиксировано: «интерфейс — только английский», «Lindy может работать на русском через базовые LLM возможности, но не оптимизирован под русскоязычные сценарии». На практике это значит, что собирать агента, отвечать на письма от русскоязычных клиентов Lindy может, потому что под капотом GPT-4o или Claude. Но шаблоны в template library, документация, обучающие материалы — на английском. Меню в UI — на английском.

Что это значит на практике. Российский фаундер, выбирающий между этими двумя инструментами для агента, обслуживающего русскоязычных клиентов, упирается в одну деталь: в Lindy нужно одновременно держать в голове английский UI шаблонов и русскоязычные клиентские письма. Это не блокер — менеджеры с английским B1 справляются — но трение есть. В Computer Use такого трения нет, потому что нет промежуточного UI: разработчик пишет код, а Claude отвечает на русском в полную силу.

Anthropic Computer Use тарифицируется как обычные токены Claude. На август 2025 в dossier зафиксированы две цены: Claude Sonnet 4.6 — $3 за 1M входных токенов и $15 за 1M выходных, Claude Opus 4.7 — $5 input и $25 output. Отдельной подписки на Computer Use нет — никто не платит просто за «возможность использовать computer-use», платят только за токены конкретных запросов.

Расчёт практической стоимости задачи из dossier раздела 3: один high-res скриншот — около 1000–3000 токенов изображения. Задача в 50 шагов с Sonnet 4.6 — порядка $0.10–$0.50 (приблизительно, зависит от сложности). Это означает, что 100 типичных задач в месяц на Sonnet 4.6 — $10–$50, на Opus 4.7 — соответственно в 3–5 раз дороже. Annual TCO на лёгком профиле — $120–$600. На тяжёлом (1000 задач в месяц, Opus 4.7) — несколько тысяч долларов в год.

Lindy AI устроена как классический SaaS с тарифной сеткой. В dossier раздела 3 зафиксированы цены на август 2025 с оговоркой data gap по точности: Free — $0 с ограниченным числом задач; Pro — $49.99/мес ориентировочно; Business / Teams — от $99/мес; Enterprise — custom с SSO, SLA и приоритетной поддержкой. Annual TCO на Pro — около $600 в год, на Business — от $1188.

Сравнить эти две модели в лоб нельзя — у Computer Use «оплата за работу», у Lindy «оплата за доступ». На малых объёмах (десятки задач в месяц) Computer Use дешевле на бумаге, но всплывает скрытая статья — инфраструктура для запуска: VM, VNC, мониторинг, время разработчика. У Lindy эта статья встроена в подписку. На больших объёмах с надёжными интеграциями Lindy предсказуемее.

Anthropic Computer Use отдельного free-тарифа не имеет. Компания работает по чистой pay-as-you-go модели: оплачиваешь токены — пользуешься. Бесплатных кредитов на новый аккаунт Anthropic не выделяет автоматически. Тестировать Computer Use можно за минимальные деньги — пару долларов хватит, чтобы прогнать reference Docker image и убедиться, что Claude реально может кликнуть по кнопке в Firefox. Это «дешёвый старт», но не «бесплатный».

Lindy AI имеет free-тариф. В dossier раздела 3.1 зафиксировано: «$0, ограниченное число задач в месяц (tasks/runs), несколько предустановленных Lindy-шаблонов». Точный лимит задач — data gap, в dossier не уточнён. Free-тариф работает не как «триал на 14 дней», а как постоянная возможность с потолком — пользователь может бесплатно держать одного email-агента, который обрабатывает несколько десятков писем в месяц.

Парадокс: для бизнес-пользователя, выбирающего между двумя сервисами, Lindy выглядит «честнее» (есть постоянный free), но для разработчика Computer Use — дешевле для оценки (за $5 можно прогнать десятки задач). Разная аудитория получает разный смысл от слова «бесплатно».

Anthropic Computer Use — это и есть API. Других каналов доступа нет: нет UI для конечного пользователя, нет десктопного приложения, нет браузерного расширения. Чтобы воспользоваться computer-use, разработчик отправляет запрос в Anthropic API с заголовком anthropic-beta: computer-use-2024-10-22 и получает структурированный ответ с действиями. Канал доступа — три варианта: прямое Anthropic API через api.anthropic.com, AWS Bedrock с invoke_model, Google Vertex AI. Multi-cloud означает отсутствие зависимости от единственного провайдера.

Lindy AI в dossier раздела 12 («Слабые стороны и ограничения») имеет прямую формулировку: «нет API для разработчиков. Нельзя строить собственные продукты на Lindy». Lindy — это закрытая SaaS-платформа: ты заходишь в lindy.ai, собираешь агента, и он работает в облаке Lindy. Встроить его в свой продукт как white-label с собственным брендом — невозможно. Webhooks для интеграций с внешними системами есть, но это не developer API, а workflow-механизм.

Этот разрыв определяет аудиторию. SaaS-стартап, которому нужен агент внутри собственного продукта под собственным брендом, в принципе не рассматривает Lindy. Менеджер, которому нужен агент без разработки, в принципе не рассматривает Anthropic API. Между этими двумя ролями выбора нет — каждая роль идёт к своему сервису.

Anthropic Computer Use через прямое API недоступен из России. В dossier раздела 7 зафиксировано: «прямой API без VPN: нет (Anthropic блокирует RU IP)». Обход возможен через два канала: AWS Bedrock (если есть рабочий AWS-аккаунт с возможностью оплаты — Bedrock в ряде регионов работает без жёстких IP-блокировок) и Google Vertex AI (с похожими условиями). Точный статус Bedrock-доступа для RU-пользователей в dossier отмечен как data gap — требует индивидуальной проверки.

Оплата прямого Anthropic API российскими картами — невозможна. Через AWS Bedrock — нужен AWS-аккаунт с зарубежной картой или корпоративный AWS со счётом. Это техническая возможность для компаний с зарубежным юр.лицом или с готовой инфраструктурой за пределами РФ.

Lindy AI в dossier раздела 7 зафиксирована как: «прямой доступ без VPN: неизвестно; сервис американский, могут быть ограничения», «оплата российскими картами: нет (Stripe)», «интерфейс: только английский». Статус geo-blocking — data gap. Stripe как payment-провайдер закрывает российские карты — это факт, который не зависит от позиции самой Lindy.

Российский пользователь, который реально хочет использовать computer-use в продукте, чаще всего выбирает Anthropic CU именно потому, что у него есть multi-cloud путь — AWS Bedrock или Vertex AI с корпоративным аккаунтом. С Lindy такого пути нет: SaaS либо доступен, либо нет, и точная картина для RU — open data gap.

Anthropic Computer Use построен на принципе «разработчик контролирует execution-среду». В документации Anthropic четыре прямых предупреждения о безопасности из dossier раздела 8: «Computer Use в бете — модель иногда совершает непредвиденные действия», «рекомендуется запускать в изолированной VM или контейнере», «минимальные необходимые права — не запускать с root доступом без нужды», «human oversight обязателен для критичных операций». Reference Docker image, который Anthropic публикует в репозитории anthropic-quickstarts, — это Ubuntu с VNC в изолированном контейнере, ровно под этот сценарий.

Lindy AI работает на серверах Lindy в США. Sandbox в смысле «изоляция от пользовательских production-систем» здесь не применяется напрямую — Lindy не запускает код пользователя в своём окружении. Но платформа получает прямой OAuth-доступ к Gmail/Outlook пользователя — и читает письма на серверах Lindy. Это не Sandbox-проблема в техническом смысле, это data-leakage-проблема: данные клиента покидают периметр и попадают в инфраструктуру Lindy.

Две архитектуры безопасности — две разных угрозы. У Computer Use главный риск — что Claude в виртуалке сделает не то, что ожидал разработчик. Этот риск управляется sandbox-практиками: запускать без root, контейнеризовать, логировать, требовать confirmation на критичных шагах. У Lindy главный риск — утечка данных через SaaS-провайдера. Этот риск управляется юридически: NDA с Lindy, проверка SOC 2, явная политика по обучению.

В dossier Lindy раздела 12 пользователи отмечают: «доступ к корпоративной почте — серьёзный вопрос», «непрозрачная privacy». Это не приговор, но триггер для compliance-обсуждения, если речь о финансовой компании или больнице.

Anthropic Computer Use получает compliance от Anthropic как компании. В dossier раздела 8 зафиксировано: «SOC 2 Type 2: Anthropic API в целом». Политика по обучению: «применяется стандартная политика Anthropic (Enterprise — не для обучения, API — тоже не для обучения по умолчанию)». Это значит, что компания, заключающая API-контракт с Anthropic, имеет публично подтверждённый SOC 2 Type 2 и default-настройку «не использовать данные клиента для обучения моделей».

Lindy AI здесь существенно слабее по публичной верификации. В dossier раздела 8: «Enterprise: SOC 2 декларируется для Enterprise», но в data gap отмечен «точный сертификационный статус» и «используются ли данные пользователей для дообучения моделей». «Декларируется» — это не то же самое, что «подтверждён аудитом». Для compliance-юриста это разница между «можно ставить» и «нельзя без дополнительных гарантий».

В compliance-разговоре с банком или больницей публично подтверждённый SOC 2 Type 2 — это conversation starter, без него встречи не будет. Anthropic эту планку проходит, у Lindy здесь открытые вопросы, требующие отдельных писем в саппорт и индивидуальной проверки. Это не делает Lindy «плохой» — это делает её SMB-инструментом, а не enterprise-инструментом по умолчанию.

Сценарий 1. QA-автоматизация legacy-веб-приложения. Команда тестировщиков хочет автоматизировать регресс старого корпоративного портала, у которого нет современного API и нет даже стабильных DOM-селекторов — UI меняется по релизам. Computer Use смотрит на скриншот и кликает по визуальным элементам — это устойчивее, чем Selenium, и не требует поддержки селекторов. Lindy для этой задачи нерелевантна: нет browser-use.

Сценарий 2. RPA-альтернатива в банке. Сотрудник back-office каждое утро открывает три внутренние системы, перекладывает цифры из одной таблицы в другую и формирует отчёт. Computer Use в изолированной VM может это автоматизировать — даже без API этих систем, через визуальный layer. Lindy не имеет коннекторов к внутренним банковским системам и не сможет работать через GUI.

Сценарий 3. Coding-агент с собственным execution-loop. Команда хочет агента, который сам читает issues в GitHub, пишет код, прогоняет тесты, открывает PR. Computer Use через bash + text_editor + computer-tool закрывает все шаги. Lindy в раздел кодирования не идёт.

Сценарий 4. Embedded-агент в SaaS-продукте. Стартап делает свой продукт, в который встраивает агента под собственным брендом. Computer Use через прямое API даёт white-label интеграцию. Lindy без публичного API эту задачу не закроет.

Сценарий 5. Enterprise-проект с собственным compliance-периметром. Компания хочет, чтобы агент работал внутри её AWS-аккаунта, не отправлял данные в SaaS-провайдера, поддерживал SOC 2 и multi-cloud. Computer Use через AWS Bedrock в собственном VPC закрывает это. Lindy, как закрытая SaaS, в этот сценарий вписывается хуже.

Общий знаменатель всех пяти сценариев — там, где нужен полный контроль execution-среды или работа с UI без API. В этих случаях Lindy не «слабее», она просто из другой категории по дизайну.

Сценарий 1. Email-агент для SMB. Стартап получает 100–500 писем в день: вопросы клиентов, заявки, спам. Нужен агент, который классифицирует, отвечает на типовые, эскалирует сложные. В dossier Lindy раздела 11: «email automation — лучший в классе. Глубокая Gmail/Outlook интеграция с пониманием контекста». Сборка за час из шаблона. Через Computer Use это месяц разработки.

Сценарий 2. Meeting notetaker + автоматическое заполнение CRM после звонков. Продажник проводит 8 звонков в день в Zoom/Google Meet. Нужен агент, который транскрибирует, выделяет action items, создаёт запись в HubSpot или Salesforce, отправляет follow-up письмо. В Lindy это один workflow из шаблона. Computer Use здесь требует написания транскрибера, интеграции с Zoom API, парсера диалогов — недели разработки.

Сценарий 3. Lead qualification. На сайт приходят входящие лиды через форму. Нужен агент, который задаёт уточняющие вопросы по email, квалифицирует по чек-листу и создаёт deal в CRM. Lindy с шаблоном «lead qualification» закрывает это за вечер настройки. Computer Use требует сборки conversational-loop с нуля.

Сценарий 4. Customer support agent по базе знаний. Компания имеет docs.example.com с 200 страницами документации. Нужен агент, отвечающий на вопросы клиентов на основе этих документов. У Lindy есть Knowledge Base — загрузка PDF/документов и автоматический поиск ответа. Computer Use потребует embeddings-pipeline, retrieval-логики, prompt-engineering — отдельный проект.

Сценарий 5. Scheduling assistant. Руководителю нужен агент, который управляет календарём, согласовывает встречи с внешними людьми, переносит конфликтующие. Lindy интегрируется с Google Calendar и Outlook Calendar из коробки. Computer Use тут не работает: оперативная навигация по чужим календарям требует OAuth-интеграции, а не управления экраном.

Общий знаменатель Lindy-сценариев — стандартные SaaS-задачи с готовыми API, типовыми workflow и SMB-объёмом. Там, где задача укладывается в шаблон «триггер → действие → интеграция», Lindy экономит недели разработки. Это её природа.

Михаил, тимлид QA в финтех-стартапе на 80 человек. Задача — автоматизировать регресс корпоративного admin-портала, у которого нет API и UI меняется по релизам. Рекомендация — Anthropic Computer Use в собственной AWS-VPC через Bedrock. Михаил собирает Docker-контейнер с reference image, прогоняет регресс ночами. Lindy не покрывает browser-use и не интегрируется с внутренними системами без API.

Анна, фаундер SaaS-стартапа на 12 человек, без CTO. Получает 200 писем в день от клиентов и потенциальных партнёров. Хочет «AI-сотрудника», который классифицирует, отвечает на типовое, заводит лидов в HubSpot. Рекомендация — Lindy AI Pro, $49.99/мес ориентировочно. Старт за вечер из шаблона. Computer Use потребовал бы найма разработчика на месяц — не вариант на ранней стадии стартапа.

Дмитрий, разработчик-инди, делает свой SaaS-продукт. Встраивает агента-помощника в свой UI: пользователи продукта получают возможность сказать «настрой X» — и агент пройдёт по UI и настроит. Рекомендация — Anthropic Computer Use через прямое API, white-label интеграция. Lindy без developer API эту задачу не закроет — нельзя ребрендить и встроить.

Елена, операционный директор SMB-консалтинга на 30 человек. Хочет, чтобы после встречи в Zoom автоматически готовилось summary, action items уходили в Notion, deal в Salesforce обновлялся. Рекомендация — Lindy AI Business от $99/мес. Meeting notetaker + CRM-интеграция — один workflow. Computer Use в этом сценарии чрезмерно технологичен и требует ресурсов разработки, которых в SMB-консалтинге обычно нет.

Закономерность: профили, которые приходят со словами «разработчик» и «кастомизация» — к Anthropic. Профили со словами «менеджер», «без кода», «готовые шаблоны» — к Lindy. На стыке этих двух языков и проходит линия выбора.

Профиль 1. SMB-фаундер, лёгкая нагрузка. Email-агент на 200 писем в день, простая классификация и автоответы. В Lindy укладывается в Pro-тариф $49.99/мес (ориентировочно по dossier) — годовая стоимость около $600. В Computer Use это потребовало бы собственного email-парсера, OAuth-интеграции и серверной инфраструктуры — даже минимальная сборка съест больше времени разработчика, чем стоимость подписки Lindy на несколько лет вперёд.

Профиль 2. Команда разработки, средняя нагрузка. Coding-агент на 50 задач в неделю — анализ issue, написание кода, тесты, PR. По расчёту dossier Computer Use ($0.10–$0.50 за задачу в 50 шагов на Sonnet 4.6), 200 задач/мес = $20–$100/мес = $240–$1200/год. Плюс инфраструктура AWS — пара сотен долларов в год. Итого $500–$1500. У Lindy этого сценария нет.

Профиль 3. Enterprise, тяжёлая нагрузка. Несколько агентов в production: email-агент на 5000 писем в день, RPA-агент через Computer Use, CRM-агент через Lindy Enterprise. Тут оба сервиса дополняют друг друга. Lindy Enterprise — custom-цена (по dossier), Computer Use на Opus 4.7 с 1000 задач/мес — несколько тысяч долларов в год. Полный enterprise-стек — пять-десять тысяч долларов в год на двух сервисах вместе.

Главный вывод по TCO: эти два сервиса в большинстве сценариев — не альтернативы, а взаимодополняющие инструменты. Профиль 1 — только Lindy. Профиль 2 — только Computer Use. Профиль 3 — оба одновременно, в разных слоях.

Не стоит считать «общую годовую стоимость двух подписок сразу» — она не отражает реальности. Если вы покупаете оба, значит у вас два разных кейса, и TCO каждого считается отдельно по своему профилю.