---
title: "BrowseComp – OpenAI 开源的 AI Agent 网络浏览能力基准"
url: "https://paooo.com/aigc-news/20411/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T10:21:54+08:00"
updated_at: "2026-06-08T10:21:54+08:00"
categories: "AIGC 资讯"
tags: "AI智能体, ChatGPT, OpenAI, RAG检索增强"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# BrowseComp – OpenAI 开源的 AI Agent 网络浏览能力基准

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/20411/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 1266 道跨电影、科学、体育等领域难题，专测 AI Agent 的复杂网络浏览与多步推理能力。
- GPT-4o、GPT-4.5 准确率极低，Deep Research 以 51.5% 领先，说明浏览工具+推理策略缺一不可。
- BrowseComp 适合评估企业检索、导购、政务公开等场景，推动更可靠的智能搜索代理发展。

## BrowseComp是什么

BrowseComp 是 OpenAI 开源的用于评估 AI Agent网络浏览能力的基准测试。包含 1266 个极具挑战性的问题，覆盖电影、科学与技术、艺术、历史、体育、音乐、电子游戏等多个领域。需要 AI Agent在互联网上搜索并匹配复杂约束条件，例如找出特定的足球比赛或电视剧角色等。在测试中，OpenAI 的 GPT-4o 和 GPT-4.5 准确率极低，最新发布的 Agent 模型 Deep Research 准确率高达 51.5%，显示出在自主搜索、信息整合和准确性校准方面的优势。

## BrowseComp的主要功能

- **复杂信息检索能力评估**：BrowseComp 包含 1266 个极具挑战性的问题，覆盖电影、科学与技术、艺术、历史、体育、音乐、电子游戏等多个领域。这些问题需要 AI 代理在庞大的互联网空间中进行深度搜索，将潜在答案与问题中提出的复杂约束条件相匹配。

- **问题设计严格把控难度**：为了确保问题的高难度，数据师们通过三个主要检查点来严格把控：验证现有的模型（如 OpenAI 的 GPT-4o、GPT-4.5 和早期版本的 Deep Research）无法解决这些问题；进行五次简单的谷歌搜索，保证答案不会出现在搜索结果的第一页上；确保这些问题足够困难，以至于另一个数据师在十分钟内无法解决。

- **答案验证的可靠性**：尽管问题难度高，但答案是简短且明确的，易于通过参考答案进行验证。这种设计使基准测试既具有挑战性，又不失公平性。

- **推动 AI 浏览代理技术发展**：BrowseComp 的开源为 AI 浏览代理的研究提供了新的工具和方向，推动了更智能、更可靠的浏览代理的发展。

## BrowseComp的技术原理

- **复杂问题设计**：BrowseComp 包含 1266 个极具挑战性的问题，这些问题需要 AI 代理在互联网上进行多步推理和跨多个网站的信息检索。问题的设计目标是模拟现实世界中复杂的信息检索场景，要求 AI 代理能够处理难以获取且相互关联的信息。

- **多源信息整合**：AI 代理需要访问多个网站，整合不同来源的信息，才能找到问题的答案。例如，一个典型的问题可能需要代理访问体育赛事记录、裁判信息等多个网站，才能得出正确答案。

- **推理与搜索策略**：除了简单的信息检索，AI 代理还需要具备强大的推理能力，能根据检索到的信息进行逻辑分析和综合处理。例如，Deep Research 模型在 BrowseComp 中表现优异，因为能自主调整搜索策略，根据检索结果动态优化搜索路径。

- **动态适应性**：AI 代理需要具备动态适应性，能根据搜索过程中遇到的各种信息，快速做出反应并调整搜索策略。适应性使代理能在复杂的网络环境中更有效地找到目标信息。

- **计算资源的影响**：测试结果表明，增加计算资源可以显著提升 AI 代理在复杂网络浏览任务中的表现。更多的计算资源允许代理尝试更多的搜索路径，提高找到正确答案的概率。

## BrowseComp的模型性能

- **GPT-4o 和 GPT-4.5**：两个模型在 BrowseComp 上的表现较差，准确率分别为 0.6% 和 0.9%。即使为 GPT-4o 启用浏览功能后，准确率也仅从 0.6% 提升到 1.9%。表明单纯赋予模型浏览能力，不能有效解决 BrowseComp 中的复杂问题。

- **OpenAI o1 模型**：不具备浏览能力，但凭借较强的推理能力，准确率达到了 9.9%。说明推理能力在网络浏览任务中同样重要，即使无法直接从网络中检索信息，模型也可以通过对已有知识的深度推理来找到部分问题的答案。

- **Deep Research 模型**：是 OpenAI 最新发布的 Agent 模型，在 BrowseComp 测试中表现最为出色，准确率高达 51.5%。模型能高效使用浏览工具，能对检索到的信息进行深度分析和综合处理。Deep Research 模型具备强大的适应性，能根据搜索过程中获取的各种信息迅速做出反应并调整搜索策略。

## BrowseComp的项目地址

- **项目官网**：[https://openai.com/index/browsecomp/](https://openai.com/index/browsecomp/?utm_source=ai-bot.cn)

- **Github仓库**：[https://github.com/openai/simple-evals](https://github.com/openai/simple-evals)

- **技术论文**：[https://cdn.openai.com/pdf/5e10f4ab-d6f7-442e-9508-59515c65e35d/browsecomp.pdf](https://cdn.openai.com/pdf/5e10f4ab-d6f7-442e-9508-59515c65e35d/browsecomp.pdf)

## BrowseComp的应用场景

- **企业知识库智能检索**：可用于企业知识库的智能检索，如将大量研究文档转化为智能问答系统，提升了研发人员的信息查询效率。

- **电商产品导购**：在电商领域，可用于构建智能导购系统，帮助用户快速找到符合复杂需求的产品。

- **政府信息公开服务**：政府机构可以用于提供更高效的信息公开服务，帮助公众快速获取所需的政策、法规等信息。

- **研究与开发**：研究人员可用于测试和改进 AI 模型的推理和搜索策略，推动 AI 技术在信息检索领域的进一步发展。

## 常见问题解答 (FAQ)

### BrowseComp 是什么基准？
BrowseComp 是 OpenAI 开源的 AI Agent 网络浏览能力基准，用来评估模型在互联网上进行复杂信息检索、多步推理和答案匹配的能力，题目覆盖多个领域且难度很高。

### BrowseComp 为什么难度这么高？
它通过三重标准控制难度：先验证现有模型难以解决，再确保简单搜索无法直接找到答案，最后要求另一位数据师在 10 分钟内也难以解出，从而保证题目足够刁钻。

### BrowseComp 哪个模型表现最好？
根据文中结果，OpenAI 最新发布的 Deep Research 表现最好，准确率达到 51.5%。相比之下，GPT-4o 和 GPT-4.5 准确率分别只有 0.6% 和 0.9%。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
