刚刚，OpenAI开源BrowseComp，重塑Agent浏览器评测

OpenAI开源智能体浏览器测试基准BrowseComp，该基准包含1266个跨领域的高难度问题。测试显示，GPT-4o和GPT-4.5准确率仅为0.6%和0.9%，而启用浏览功能后GPT-4o提升至1.9%。推理能力强的o1模型准确率为9.9%。最新Agent模型Deep Research表现突出，准确率达51.5%，展现了优秀的搜索与信息整合能力。此外，其性能随计算资源增加而提升，表明工具使用与推理能力在网络浏览任务中均至关重要。
来源：https://www.chinaz.com/2025/0411/1679762.shtml