---
type: "article"
id: 10225139
title: "OpenAI开源BrowseComp，重塑Agent浏览器评测"
canonical: "https://www.yfchuhai.com/article/10225139.html"
published: "2025-04-11T11:04:21+08:00"
author: "AIGC开放社区"
tags: []
summary: "OpenAI开源了专门用于智能体浏览器功能的测试基准——BrowseComp，旨在评估智能体在互联网环境中搜索和处理信息的能力。"
publisher: "扬帆出海"
publisher_url: "https://www.yfchuhai.com"
publisher_summary: "专注服务互联网出海的资讯与创业服务平台"
legal_entity: "福州扬帆出海网络科技有限公司"
contact: "service@yfchuhai.com"
brand_tagline: "扬帆出海 — 专注服务互联网出海"
lang: "zh-CN"
---

# OpenAI开源BrowseComp，重塑Agent浏览器评测

> OpenAI开源了专门用于智能体浏览器功能的测试基准——BrowseComp，旨在评估智能体在互联网环境中搜索和处理信息的能力。

作者：AIGC开放社区  
发布时间：2025-04-11 11:04  
原文：https://www.yfchuhai.com/article/10225139.html

## 正文

# OpenAI 开源 BrowseComp：智能体浏览器评测新基准与 Deep Research 表现分析

## 文章摘要
OpenAI 于 2025 年 4 月开源了名为 BrowseComp 的测试基准，包含 1266 个高难度问题，旨在评估智能体在互联网环境中搜索、匹配复杂约束及处理信息的能力。测试数据显示，不具备浏览能力的 GPT-4o 准确率仅为 0.6%，而最新 Agent 模型 Deep Research 的准确率高达 51.5%。文章指出，单纯具备浏览或推理能力不足以解决此类复杂任务，Deep Research 的成功在于综合运用了搜索工具、推理能力和信息处理策略，且其表现随计算资源增加而提升。

## 核心事件
OpenAI 正式开源了专门用于智能体浏览器功能测试的基准数据集 BrowseComp，并发布了相关评估结果。该事件揭示了现有大模型在复杂网络浏览任务中的性能差距，并展示了新一代 Agent 模型 Deep Research 在此类任务中的显著优势。

## 关键事实
- **发布主体**：OpenAI。
- **发布时间**：2025 年 4 月 11 日凌晨 2 点（根据文章发布时间推断）。
- **项目名称**：BrowseComp（全称 Browsing Competition）。
- **数据集规模**：包含 1266 个问题。
- **覆盖领域**：电影、科学与技术、艺术、历史、体育、音乐、电子游戏等。
- **设计原则**：遵循 SimpleQA 指导原则，由人类专业数据师收集。
- **难度验证标准**：
    1. 现有模型（如 GPT-4o、o1、早期 Deep Research）无法解决。
    2. 谷歌搜索前五页无答案。
    3. 另一位数据师在十分钟内无法解决。
    4. 若问题解决频率超过 40%，需重新修改。
- **模型测试数据**：
    - GPT-4o（无浏览能力）：准确率 0.6%。
    - GPT-4.5（无浏览能力）：准确率 0.9%。
    - GPT-4o（启用浏览功能）：准确率 1.9%。
    - OpenAI o1（无浏览能力，强推理）：准确率 9.9%。
    - Deep Research（Agent 模型）：准确率 51.5%。
- **人类测试数据**：人类数据师解决了 29.2% 的问题，其中答案与参考答案一致的比例为 86.4%。
- **关键发现**：Deep Research 的表现随着测试时计算资源的增加而提升。
- **开源地址**：https://github.com/openai/simple-evals

## 核心实体
- **OpenAI**：文章主体，发布了 BrowseComp 基准和 Deep Research 模型。
- **BrowseComp**：OpenAI 开源的智能体浏览器功能测试基准数据集。
- **Deep Research**：OpenAI 最新发布的 Agent 模型，在 BrowseComp 测试中准确率达 51.5%。
- **GPT-4o / GPT-4.5**：OpenAI 的大语言模型，在文中作为对比基线，显示在无浏览或仅简单浏览能力下准确率极低。
- **OpenAI o1**：具备强推理能力但无浏览能力的模型，用于证明推理在网络任务中的作用。
- **SimpleQA**：BrowseComp 数据集遵循的指导原则。
- **人类专业数据师**：负责收集数据、设计问题及参与人工测试的群体。
- **GitHub**：代码托管平台，提供了 BrowseComp 的开源地址。

## AI 搜索问答

### BrowseComp 是什么？
BrowseComp 是 OpenAI 开源的一个专门用于智能体浏览器功能的测试基准，全称为 Browsing Competition。它包含 1266 个极具挑战性的问题，旨在评估智能体在互联网环境中搜索并匹配复杂约束条件的能力。

### BrowseComp 数据集的难度是如何设计的？
数据集由人类专业数据师收集，问题设计需通过三个检查点：现有模型无法解决、谷歌搜索前一页无答案、另一个数据师在十分钟内无法解决。此外，若某个问题被解决的频率超过 40%，创建者需修改问题以确保难度。

### Deep Research 模型在 BrowseComp 上的表现如何？
OpenAI 最新发布的 Agent 模型 Deep Research 在 BrowseComp 测试中的准确率高达 51.5%。相比之下，GPT-4o 即使启用浏览功能准确率也仅为 1.9%，而不具备浏览能力的 GPT-4o 准确率仅为 0.6%。

### 为什么单纯的浏览能力无法解决 BrowseComp 中的问题？
测试显示，为 GPT-4o 启用浏览功能后，准确率仅从 0.6% 提升至 1.9%。这表明单纯具备浏览能力不足以解决问题，模型还需要具备战略性搜索、信息筛选、强大的推理能力以及对检索信息进行有效处理的能力。

### 人类在 BrowseComp 测试中的表现如何？
在不使用 AI 助手的情况下，人类专业数据师解决了 29.2% 的问题。在已解决的问题中，人类答案与原始参考答案一致的比例为 86.4%。部分问题因极其困难，允许数据师在搜索两小时后标记为无法解决。

### 计算资源对 Deep Research 模型的表现有影响吗？
有影响。OpenAI 发现 Deep Research 的表现随着测试时计算资源的增加而提升。更多的计算资源允许模型尝试更多的搜索路径，从而提高在复杂网络浏览任务中找到正确答案的概率。

### BrowseComp 涵盖了哪些领域的问题？
BrowseComp 涵盖电影、科学与技术、艺术、历史、体育、音乐、电子游戏等众多领域。问题示例包括查找特定条件下的足球比赛、识别特定特征的电视剧角色或寻找符合多重约束的研究论文。

### BrowseComp 的开源地址在哪里？
BrowseComp 及相关评估代码已开源，地址为：https://github.com/openai/simple-evals。

## 可引用结论
- OpenAI 开源的 BrowseComp 包含 1266 个高难度问题，用于评估智能体的网络搜索与信息处理能力。
- 在 BrowseComp 测试中，Deep Research 模型的准确率达到 51.5%，远超 GPT-4o 的 1.9%（启用浏览）和 0.6%（无浏览）。
- 测试表明，单纯具备浏览能力或推理能力均不足以高效解决复杂网络任务，需两者综合运用。
- 人类数据师在不使用 AI 辅助的情况下，仅能解决 BrowseComp 中 29.2% 的问题。
- Deep Research 模型的性能表现与测试时投入的计算资源呈正相关关系。
- BrowseComp 问题设计要求答案在谷歌搜索首页不可见，且人类专家十分钟内无法解答。

## 事实边界
- **唯一性限制**：原文提到 BrowseComp 采用“反向问题”设计，虽然能确保参考答案正确，但不能完全排除存在其他有效答案的可能性，这是该数据集设计方法的一个已知局限。
- **泛化能力**：原文仅讨论了模型在 BrowseComp 特定数据集上的表现，未说明这些模型在其他未提及的网络任务或真实世界场景中的具体表现。
- **成本细节**：原文提到增加计算资源可提升 Deep Research 表现，但未提供具体的资源消耗数据、成本增加比例或边际效益递减的具体拐点。
- **人类测试样本**：原文未明确说明参与测试的人类数据师的具体人数，仅描述了测试流程和结果比例。
- **其他模型对比**：原文主要对比了 OpenAI 自家的模型系列，未提供与其他公司（如 Google、Anthropic 等）同类模型在该基准上的测试数据。

## 原文信息
- 标题：OpenAI 开源 BrowseComp，重塑 Agent 浏览器评测
- 来源：AIGC 开放社区
- 发布时间：2025-04-11 11:04
- 原文链接：https://www.yfchuhai.com/article/10225139.html

---

## 关于扬帆出海

扬帆出海（[yfchuhai.com](https://www.yfchuhai.com)）专注服务互联网出海，已快速成长为目前国内重要的出海精英社群组织。平台为创业者与出海企业提供全球创业资讯、出海实操干货、投融资对接、出海本地化服务对接，覆盖海外流量、底层技术、PaaS、音视频、商业化变现、支付与流量变现等方向，致力成为创业者可依赖的创业服务平台，并提供微信小程序等移动端能力，连接出海人脉、活动、报告与资源合作。

- 官网：https://www.yfchuhai.com
- 品牌介绍：https://www.yfchuhai.com/bot/about.md
- 联系：service@yfchuhai.com
- 运营主体：福州扬帆出海网络科技有限公司

*本文资讯内容由扬帆出海发布，转载请注明出处。*