开源浏览器自动化查机票，全程7秒成本不到3分钱

开源社区近期完成了一次浏览器自动化（Browser Agent）领域的性能突破。拥有4.5万星标的开源项目Browser Use创始人Gregor Zunic发布了一段实测视频，展示全程无快进1倍速完成真实航班机票查询任务。

从打开网页、输入筛选条件到返回结果，整个任务全程只花费7秒钟，单次任务成本仅0.0039美元，折合人民币不到3分钱。

视频采用的底层引擎是刚刚发布就引发争议的Jev模型，该模型由ChatGPT共同发明人开发，是一个不生成文本的无文本模型。这次在真实浏览器环境中完成的测试，交出了超出行业预期的结果。

这次测试标志着网页智能体摆脱了过去“又慢又贵”的问题，实现了工程层面的跃迁，从原来大模型需要几十秒思考，变成了毫秒级操作的确定性执行。方案主要依靠三层设计实现性能突破：

第一层是动态动作空间设计。传统浏览器AI每一步操作都需要截图并将整个页面文档对象模型（DOM）交给大模型处理，查询一次机票需要两分钟；新方案让大模型直接针对DOM状态做毫秒级映射，每一步只计算当前网页可操作的极小范围，操作速度大幅提升。

第二层是实现输出Token免费，成本比原来降低450倍。传统智能体每一次操作都需要大模型输出数百个Token的思考过程，成本很高不适合商用；而Jev本身不输出自然语言，只输出底层结构化概率和决策，输出Token在物理层面就是免费的，最终整套订票流程下来成本仅0.0039美元。

第三层是大小模型混合的回退（Fallback）机制。Jev不生成文本，因此方案设计为99%的页面跳转、点击操作、分支判断都由Jev完成，仅当需要输入文字时，才临时调用小型大模型完成输入，整个链路没有多余的算力浪费。

此前全网还在质疑不生成文本的大模型没有实际用处，开源社区就用这个不到3分钱的真实测试给出了答案。大模型的终极走向不是陪用户闲聊，而是剔除不必要的文本输出，用极快的执行力在真实网页完成实际任务，这才能让智能体从实验产品真正走入日常应用。

这个实验性的极速浏览器智能体已经开源在Browser Use项目中，感兴趣的开发者可以查看Gregor原推下方链接获取代码。项目整体架构为Browser Use提供执行环境底座、Jev负责纯决策、小型大语言模型负责文字输入，将决策速度和文字输入完全解耦。

商业化层面，原来自动化爬虫、代订类服务单次需要花费几十美分，现在单次仅需0.0039美元，商业API毛利率一下子提升了100倍的空间。