BrowseCompAgent

网页浏览理解基准, 评估模型在浏览器中查找和综合信息的能力BrowseComp 由 OpenAI 发布，包含 1266 道高难度问题，测试 Agent 在互联网中持续搜索、定位难以发现的纠缠信息的能力。答案均为简短可验证格式，需要 Agent 具备持久性、创造性和策略性搜索能力。人类解决率仅 29.2%。

排行数据源

#模型得分

1

Kimi K3月之暗面

91.2%

2

Claude Opus 5Anthropic

90.8%

3

GPT-5.6 SolOpenAI

90.4%

4

GPT-5.5 ProOpenAI

90.1%

5

GPT-5.4 ProOpenAI

89.3%

6

Claude Fable 5Anthropic

88.0%

7

Claude Mythos PreviewAnthropic

87.9%

8

GPT-5.6 TerraOpenAI

87.5%

9

Seed2.1 Pro字节跳动

86.2%

10

Gemini 3.1 ProGoogle

85.9%

共 46 个模型

返回基准目录