BrowseComp
BrowseComp是一个用于评估AI代理网页浏览能力的基准测试。它包含1266个问题，这些问题要求代理在互联网上导航以查找难以发现的信息。该基准关注代理在处理多跳事实和纠缠信息时的持久性和创造性。OpenAI于2025年4月10日发布此基准，并将其开源在GitHub仓库中。
更新于 2026-04-21
2,422 次浏览
问题数量
1266
发布机构
OpenAI
评测类别
AI Agent - 信息收集
评测指标
Accuracy
支持语言
英文
难度等级
中等难度
简介
一个用于评估大模型AI Agent定位难以查找信息的能力的评测基准
相关资源
BrowseComp Model Score Leaderboard
Source: DataLearnerAI
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...
Latest BrowseComp model rankings and full benchmark leaderboard
Browse the latest scores, model modes, release dates, and parameter sizes for BrowseComp.
Model release cutoff:
BrowseComp详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | GPT-5.4 Pro Thinking Level · HighTools | 89.30 | 2026-03-05 | 未知 |
| 2 | Gemini 3.1 Pro Preview Thinking Level · HighToolsInternet | 85.90 | 2026-02-20 | 未知 |
| 3 | Claude Mythos Preview Extended ThinkingTools | 84.90 | 2026-04-07 | 未知 |
| 4 | Claude Opus 4.6 Thinking EnabledToolsInternet | 84.00 | 2026-02-05 | 未知 |
| 5 | Kimi K2.6 Thinking EnabledToolsInternet | 83.20 | 2026-04-20 | 10000 |
| 6 | GPT-5.4 Thinking Level · Extra HighTools | 82.70 | 2026-03-05 | 未知 |
| 7 | GLM 5.1 Thinking EnabledToolsInternet | 79.30 | 2026-03-27 | 754 |
| 8 | Opus 4.7 Extended ThinkingTools | 79.30 | 2026-04-16 | 未知 |
| 9 | Qwen3.5-397B-A17B Thinking EnabledToolsInternet | 78.60 | 2026-02-16 | 397 |
| 10 | GPT-5.2 Pro Thinking EnabledTools | 77.90 | 2025-12-11 | 未知 |
| 11 | GPT-5.2 Pro Thinking Level · Extra HighTools | 77.90 | 2025-12-11 | 未知 |
| 12 | MiniMax M2.5 Thinking EnabledTools | 76.30 | 2026-02-12 | 2290 |
| 13 | GLM-5 Thinking EnabledTools | 75.90 | 2026-02-11 | 7440 |
| 14 | Claude Sonnet 4.6 Thinking EnabledTools | 74.70 | 2026-02-17 | 未知 |
| 15 | Step 3.5 Flash Thinking EnabledTools | 69.00 | 2026-02-02 | 1960 |
| 16 | Qwen3.5-397B-A17B Thinking EnabledTools | 69.00 | 2026-02-16 | 397 |
| 17 | GPT-5.2 Deep Thinking ModeToolsInternet | 65.80 | 2025-12-11 | 未知 |
| 18 | GPT-5.2 Thinking Level · Extra HighTools | 65.80 | 2025-12-11 | 未知 |
| 19 | GLM-5 Thinking Enabled | 62.00 | 2026-02-11 | 7440 |
| 20 | Qwen3.5-27B Thinking EnabledToolsInternet | 61.00 | 2026-02-25 | 270 |
| 21 | Qwen3.5-27B Thinking EnabledTools | 61.00 | 2026-02-25 | 270 |
| 22 | Kimi K2.5 Thinking EnabledToolsInternet | 60.60 | 2026-01-27 | 10000 |
| 23 | Kimi K2 Thinking Thinking EnabledTools | 60.20 | 2025-11-06 | 10400 |
| 24 | Gemini 3.0 Pro (Preview 11-2025) Thinking Level · HighTools | 59.20 | 2025-11-18 | 未知 |
| 25 | GPT-5 Thinking EnabledTools | 54.90 | 2025-08-07 | 未知 |
| 26 | GLM-4.7 Thinking EnabledTools | 52.00 | 2025-12-22 | 3580 |
| 27 | DeepSeek V3.2 Thinking Enabled | 51.40 | 2025-12-01 | 6710 |
| 28 | GPT-5.1 Thinking Level · High | 50.80 | 2025-11-12 | 未知 |
| 29 | M2.1 Thinking EnabledTools | 47.40 | 2025-12-23 | 2300 |
| 30 | GLM-4.6 Thinking EnabledTools | 45.10 | 2025-09-30 | 3550 |
滚动或悬停加载剩余 7 条