事件专题 ·多源确认

browser_use 基准测试:中位步数 67 步领先,速度与准确率兼得

browser_use 公布了智能体浏览任务的横向对比结果:在 180 个共享任务、同一套执行框架和评审标准下,GPT-6.1 Sol 的中位步数为 67 步,明显少于对比模型的 105 步,且每一步的耗时也更短。官方称这是所有头部模型中速度最快的一个,没有模型能在更短时间内拿到更高分。 测试采用统一任务集与统一 judge 评分,避免因框架差异导致结果不可比。速度优势来自两方面:任务规划路径更短(中位 67 步对 105 步),以及单步执行延迟更低。这意味着在实际浏览器自动化场景中,同样完成一个任务,端到端耗时差距会进一步放大。 对做浏览器智能体、RPA 自动化的开发者来说,步数和单步耗时直接决定 token 成本与响应速度,这类统一框架下的公开基准是选型时少有的可量化参考。

当前结论

browser_use 用同一套 180 个任务和评审标准测了一圈头部模型,GPT-6.1 Sol 中位只要 67 步,比对比模型少 38 步,单步还更快。做浏览器自动化或选模型的人可以直接当参考表用。

3 个信源38° AI 热度最后更新 2026/11/18 00:09:45

证据链

3 个信源
相关来源 2Aravind Srinivas
查看原文

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。