OpenAI开源BrowseComp，重塑Agent浏览器的测试基准

OpenAI开源了智能体浏览器功能测试基准BrowseComp，包含1266个高难度问题，需要在互联网中搜索并匹配复杂约束条件；基准极具挑战性，GPT-4o和GPT-4.5准确率仅为0.6%和0.9%，启用浏览功能的GPT-4o也只有1.9%，而OpenAI新Agent模型Deep Research达到51.5%；BrowseComp由专业数据师创建，采用反向问题设计方法，人类测试者在不使用AI助手情况下仅解决29.2%的问题，证明单纯浏览能力不足，还需强大推理和信息处理能力。