一、为什么要把「点网页」单独拆出来
浏览器代理的常见做法是每动一下就把整页内容喂给大模型,等它逐字写出「应该点击第 5 个按钮,因为……」,再解析成动作。慢、贵,而且大部分步骤根本不需要推理——页面上有九十九个可点元素,选哪个,是一道选择题,不是一篇作文。
MachinePulse 11 月 21 日开源的 karpo-browser 就把这件事拆开了。System 2 是通用大模型,只负责理解需求、拆任务、提供要填的值、最后核对结果;System 1 是专门训练的 Karpo Decision 27B Act,26.1B 参数,基座 Qwen3.8-27B 但去掉了 lm_head,因此不生成文字,一次前向直接给出候选动作的概率分布。官方给出的单次决策时延中位数是 931 毫秒。
它要回答的问题很具体:从带编号的页面元素里挑一个,输出 CLICK 5、FILL 3 这样的动作,或者判定该结束了。官方评测集 KBB 里,每步候选元素数量的中位数是 99 个,下拉框平均 12 个选项——这正是分类模型擅长、生成模型吃亏的形状。
二、接进 Claude Code 或 Codex 的路径
整条链路是:你的代理(Claude Code、Codex 或自研)调用 run_browser_agent,把目标和允许填入的值交给 MCP 服务器;服务器进入运行循环,读页面、提问、执行动作、等页面稳定,再进下一轮;挑动作这一步通过 POST 请求发给决策模型,返回选项与概率;动作经 Chrome DevTools Protocol 落到真实浏览器上。
三个接入入口:MCP(Claude Code 插件、Codex、任意 stdio MCP 客户端)、CLI、TypeScript 库。运行要求 Node.js 22.18 以上。决策模型可以走 OpenRouter 的决策接口,也可以自建——官方是在单张 96GB 的 RTX PRO 6000 上测的,27B Act 的 bf16 权重约 52GB。框架、推理代码、模型权重都是 Apache-2.0;KBB 数据集另有一份仅限评估、禁止训练的许可;基座模型保留各自原来的许可。
最小可跑的路子建议这样起步:先用官方示例目标(比如在维基百科打开某个词条)跑通一次,确认 MCP 服务器能连上决策模型;再把 values 换成你业务里真正要填的字段;最后才接生产站点。别一上手就对着需要登录的后台跑。
三、几个数字该怎么读
官方自测:Browserbase Benchmark v2 的 38 道核心任务,平均准确率 84%,每题 218 秒,模型成本约 0.096 美元;全部 102 道任务三轮实测,成功率 89%,201 秒。另一组更值得看的是成本结构:约 78% 的网页操作交给决策模型完成,这些操作只占整个代理运行耗时的 14%、模型成本的 13%。团队据此称,同样的运营预算可以支撑原来 5 到 30 倍的用户规模。
折扣也要说清:这些是公司自测,测试流程与公开榜单其他条目的口径并不完全一致,不能当成你站点上的成功率;38 道与 102 道是两套不同评测,引用时别混成一个数。
值得先试的不是成功率,是账单的形状。当 78% 的动作不再花在 token 上,成本曲线就从线性变成了阶梯——这才是一个代理产品能不能面向大量用户的真正分水岭。
来源:MachinePulse karpo-browser 2026-11-21(Apache-2.0,代码与权重见 GitHub 与 Hugging Face);量子位 2026-11-21