Muse Ember 在长程浏览器基准测试上以极低成本匹敌 GPT-6 Luna medium

browser_use 团队在其最难的长程浏览器基准上测试了 Muse Ember，得分 63.9/100，与 GPT-6 Luna medium 持平。价格方面，Muse Ember 每个任务成本仅约 3 美分，比对照方案便宜 2.4 倍，在 5 美分以内取得该基准的最佳成绩。该测试覆盖数百步浏览器操作的长程任务，单任务成本按美分计价，而非美元。 browser_use 的基准专门衡量模型驱动浏览器完成长链路任务的能力，例如跨页面导航、表单填写等数百步连续操作，这类任务通常对模型的指令跟随与容错要求极高。Muse Ember 在保证得分的同价位段做到了成本与表现的 Pareto 前沿，即同等预算下没有更优选择。 browser_use 在推文中向 Scale AI 的 Alexandr Wang 表示祝贺，指出能用浏览器且便宜的模型对智能体生态意义重大。对做浏览器自动化智能体的开发者来说，低成本模型意味着可以把长任务拆得更细、跑更多并行探索，而不受预算限制。