browser_use 基准测试:中位步数 67 步领先,速度与准确率兼得
> why so fast: way fewer steps (median 67 vs 105 on GPT-6.1 Sol) and each step is quicker > fa...
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。
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。
> why so fast: way fewer steps (median 67 vs 105 on GPT-6.1 Sol) and each step is quicker > fa...
> why so fast: way fewer steps (median 67 vs 105 on GPT-6.1 Sol) and each step is quicker > fastest of the top models: nothing scores higher in less time > high reasoning, 180 shared tasks, same harness and judge for every model
本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:GPT-6.1 Sol、browser_use、智能体、浏览器自动化,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「Browser Use」(@browser_use),经 AITOP 多维评分管线结构化提炼。