benchmark

用200个真实网页任务，跑分对比你的浏览器AI智能体

开源 freemium 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 152

维护状态活跃

是否开源是

定价模式 freemium

项目预览

项目数据

分类评测安全

开发团队browser-use

所属国家

官网地址https://browser-use.com/benchmarks/agents

GitHubhttps://github.com/browser-use/benchmark

定价模式freemium

价格说明基准免费公开，使用需自备API密钥；Browser Use云服务另计费

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型ai-agents,benchmark,browser-agent,browser-automation,browser-use,bu-bench,evals,llm-evaluation,web-agents

GitHub 星标★ 152

30天Star增速

HF 下载量

上线时间2026-01-26 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-21

浏览次数0

项目介绍

这是一个面向浏览器智能体（browser agent）的开源评测基准项目，提供 BU Bench V2.1，包含 200 个真实网页任务，用于衡量 AI 智能体在真实浏览器环境中完成操作的能力。项目解决的核心问题是：浏览器自动化智能体缺乏统一、可复现的评测标准，开发者难以横向比较不同模型或框架的实际表现。核心能力包括：提供标准化任务集与评测流程；支持使用自己的 API Key 重新运行任务，保证结果可复现；覆盖真实网页场景而非合成环境，更贴近实际使用。项目以 Python 实现，标签涵盖 ai-agents、browser-use、evals、llm-evaluation 等，适合做智能体选型、回归测试和效果对比。作为早期项目（约 152 星），它更偏向评测基础设施而非开箱即用的产品，使用者需要一定的工程能力来配置环境和跑通任务。