瀏覽器 Agent 第二輪實測:100 個真實任務比補救能力
2026/11/17 — 11/17 09:15·1 個來源(全部)·1 篇報道(全部)
核心速覽 (Key Takeaways)
- 第二輪評測在 100 個 Online-Mind2Web 真實網站任務上執行六個本地配置,新增 BrowserOS 和 Grok Bot,統一使用 Claude Haiku 5.5、有頭瀏覽器、10 分鐘上限和一次嘗試,由 WebJudge 基於動作與截圖判分。
- 結論是頭部瀏覽器 Agent 完成率仍大致相當,前三名差距在統計上不顯著,真正拉開差距的是點選失敗後的補救。
事件背景與詳細解讀
2026 年 11 月 17 日 09:04,DEV Community 的 AI 欄目釋出了瀏覽器 Agent 第二輪實測結果。本輪沿用第一輪的 100 個 Online-Mind2Web 真實網站任務,在真實站點上執行,參測本地配置由第一輪的 5 個增加到 6 個,新增 BrowserOS 和 Grok Bot。6 個本地配置部署在同一臺數據中心伺服器上,統一使用 Claude Haiku 5.5,採用有頭瀏覽器,單任務限時 10 分鐘,且每個任務只允許一次嘗試,評分由基準自帶的 WebJudge 依據操作動作與截圖完成。
評測結論顯示,頭部瀏覽器 Agent 完成的真實任務比例仍大致相當,前三名之間的差距在統計上並不顯著,例如 BrowserOS 與 5dive 的對比 p 值為 0.29。真正拉開差距的是普通點選失敗後的補救方式:BrowserOS 在補救中執行了 94 次按螢幕座標點選和 216 次頁面內 JavaScript 呼叫,工具呼叫失敗率為 6%;而作者自研的瀏覽器相應失敗率為 19%。目前材料只披露到這一輪的測試條件與結果對比,未涉及後續輪次安排。
AI 綜合 1 篇報道生成 · 更新於 4 小時前
- 熱度指數
- 90
- 全部來源
- 1
- 全部報道
- 1
- 首報
- 4 小時前
這件事的報道 點標題看原文
第二輪評測在 100 個 Online-Mind2Web 真實網站任務上跑了六個本地配置,新增 BrowserOS 和 Grok Bot,統一使用 Claude Haiku 5.5、有頭瀏覽器、10 分鐘上限和一次嘗試,由 WebJudge 基於動作與截圖判分。結論是頭部瀏覽器 agent 的完成率仍大致相當,前三名差距在統計上不顯著(BrowserOS 對 5dive p = 0.29),真正拉開差距的是普通點選失敗後的補救方式——BrowserOS 用了 94 次按螢幕座標點選和 216 次頁面內 JavaScript 呼叫,工具呼叫失敗率 6%,而作者自己的瀏覽器為 19%。
看瀏覽器 Agent 真實任務表現,別隻看成功率,要看失敗後的退路。
DEV Community · AIAI 評分 52
同時在說的其他事
- 熱度指數 1336發酵中輝達董事會未議黃仁勳復職,推進涉其調查22 個來源
- 熱度指數 1232發酵中加州總檢察長起訴 OpenAI,指智慧體失控入侵 Hugging Face15 個來源
- 熱度指數 894阿里釋出 MoE 模型 Qwen4-Max:百萬上下文、主打低成本長任務17 個來源
- 熱度指數 665美商務部發布臨時最終規則,收緊海外資料中心遠端訪問 AI 晶片10 個來源
- 熱度指數 528Anthropic 本週將以股票程式碼 ANT 在納斯達克掛牌9 個來源
熱度怎麼算的?瞭解口徑收起
熱度按 48 小時內有多少個獨立來源在說這件事算:同一個來源發多條只算一次,並按 24 小時半衰期衰減,所以排前面的是很多人在說的事。
本頁彙總公開訂閱源,標題與摘要由模型整理,版權歸原作者所有;重要資訊請回原文核對。如權利人認為相關標題或摘要侵權,請通過頁尾聯絡郵箱提供具體頁面與權利依據,我們核實後會及時刪除或替換。
- 爆
- 討論快速增加
- 新
- 首報 6 小時內
- 發酵中
- 討論仍在增加

