Muse Ember 在长程浏览器基准测试上以极低成本匹敌 GPT-6 Luna medium
Ran Muse Ember on hardest long horizon browser benchmark 👀 It's EXTREMELY cheap, pareto frontier. ...
browser_use 实测了 Muse Ember 驱动浏览器：得分 63.9，追平 GPT-6 Luna medium，每个任务才 3 美分，便宜 2.4 倍。做浏览器智能体或自动化开发的人应该看看，长任务成本直接降一个量级。
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。
Ran Muse Ember on hardest long horizon browser benchmark 👀 It's EXTREMELY cheap, pareto frontier. ...
Ran Muse Ember on hardest long horizon browser benchmark 👀 It's EXTREMELY cheap, pareto frontier. Tasks with 100s of browser steps cost CENTS, not USD > 63.9/100, same as GPT-6 Luna medium > 3 cents a task, 2.4x cheaper > best score under 5 cents congrats @alexandr_wang , cheap models that can actually drive a browser are huge
This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include Muse Ember, GPT-6, browser_use, 智能体.
Source attribution: curated from Browser Use (@browser_use).
