加载中...
加载中...
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。
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
Source: DataLearnerAI
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | GPT-5default | 90 | 2025-08-07 | 未知 |
| 2 | GPT-5.1default | 90 | 2025-11-12 | 未知 |
| 3 | GPT-5.4 Pro思考模式 High（工具） | 89.3 | 2026-03-05 | 未知 |
| 4 | Gemini 3.1 Pro Previewdefault | 85.9 | 2026-02-20 | 未知 |
| 5 | Claude Opus 4.6default | 84 | 2026-02-05 | 未知 |
| 6 | Claude Opus 4.6常规模式（工具+联网） | 83.73 | 2026-02-05 | 未知 |
| 7 | GPT-5.4极高强度思考（工具） | 82.7 | 2026-03-05 | 未知 |
| 8 | Qwen3.5-397B-A17B思考模式（工具+联网） | 78.6 | 2026-02-16 | 397 |
| 9 | GPT-5.2 Prodefault | 77.9 | 2025-12-11 | 未知 |
| 10 | MiniMax M2.5default | 76.3 | 2026-02-12 | 2290 |
| 11 | GLM-5default | 75.9 | 2026-02-11 | 7440 |
| 12 | Kimi K2.5default | 74.9 | 2026-01-27 | 10000 |
| 13 | Claude Sonnet 4.6default | 74.7 | 2026-02-17 | 未知 |
| 14 | Step 3.5 Flashdefault | 69 | 2026-02-02 | 1960 |
| 15 | Qwen3.5-397B-A17Bdefault | 69 | 2026-02-16 | 397 |
| 16 | GPT-5.2极高强度思考（工具） | 65.8 | 2025-12-11 | 未知 |
| 17 | GLM-5default | 62 | 2026-02-11 | 7440 |
| 18 | Qwen3.5-27B思考模式（工具+联网） | 61 | 2026-02-25 | 270 |
| 19 | Kimi K2.5default | 60.6 | 2026-01-27 | 10000 |
| 20 | Kimi K2 Thinkingdefault | 60.2 | 2025-11-06 | 10400 |
| 21 | 59.2 | 2025-11-18 | 未知 | |
| 22 | GPT-5default | 54.9 | 2025-08-07 | 未知 |
| 23 | GLM-4.7default | 52 | 2025-12-22 | 3580 |
| 24 | DeepSeek V3.2default | 51.4 | 2025-12-01 | 6710 |
| 25 | GPT-5.1思考模式 High（无工具） | 50.8 | 2025-11-12 | 未知 |
| 26 | M2.1default | 47.4 | 2025-12-23 | 2300 |
| 27 | GLM-4.6default | 45.1 | 2025-09-30 | 3550 |
| 28 | MiniMax M2default | 44 | 2025-10-27 | 2300 |
| 29 | GLM-4.7-Flashdefault | 42.8 | 2026-01-19 | 310 |
| 30 | DeepSeek V3.2-Expdefault | 40.1 | 2025-09-29 | 6710 |