Browser Use Blog· Magnus Müller·· 1 天前精选AI 评分66
CMU 与 Browser Use 发布 Odysseys2 长周期网页智能体基准
Odysseys2: a long-horizon web agent benchmark
AI 导读
CMU 与 Browser Use 联合发布 Odysseys2 长周期网页智能体基准，包含 100 个真实网页长任务、982 项通过/失败检查，最佳智能体 GPT-6 Astra 完整完成 47 个任务，平均评分 84.6。
推荐理由
CMU 与 Browser Use 联合发布的基准显示，最强智能体在 100 个长任务中仅完整完成 47 个，且换用不同评测器后同一批尝试的分数差异很大。
来源：Browser Use Blog · browser-use.com