浏览器操作还是电脑操作?我们用三种工具测试了日常任务,以下是测试发现

在网页任务中,浏览器操作工具 ego-browser 比本次测试的两种电脑操作工具通过了更多任务,成本也更低。我们让 ego-browser、agent-desktop 和 Cua Driver 执行七项日常任务:在 LinkedIn 和 Amazon 上搜索、从长页面提取数据,以及测试网页应用。ego-browser 通过五项,agent-desktop 通过四项,Cua Driver 通过两项。在 ego-browser 和 agent-desktop 都通过的任务上,ego-browser 快得多,平均每项用时 193.5 秒,而后者为 690.8 秒。成本方面,ego-browser 更低,因为它完成同一任务所需的步骤更少。
ego-browser 运行时也不会接管你的屏幕。agent-desktop 在七次尝试中有六次将窗口切到前台,记录显示 Cua Driver 有两次请求前台访问。ego-browser 没有发送过此类命令。执行较长任务时,你可以继续在自己的窗口中工作,让 ego-browser 同时运行。
| 工具 | 成功率 | 每项成功任务的开销 |
|---|---|---|
| ego-browser | 71.4%(5/7 次尝试) | $0.063 |
| agent-desktop | 57.1%(4/7 次尝试) | $0.174 |
| Cua Driver | 28.6%(2/7 次尝试) | $0.352 |
测试工具
ego-browser
ego-browser 是本次测试中的浏览器操作工具。它运行在 ego(lite) 上,后者是一款基于 Chromium 构建的智能体浏览器。智能体在每一步编写一段短脚本,脚本通过 JavaScript 在页面中运行,因此一次调用就能读取页面的大量内容。每项智能体任务都在自己的 Space 中运行,Space 是独立的工作区,不会接管你的鼠标或焦点。

在 macOS 上,使用 ego-browser skill 中的安装脚本安装免费工具 ego(lite)。在 Windows 上,从 ego(lite) 网站下载安装程序。应用的初始设置流程会添加 ego-browser 命令,随后将 skill 加载到你的智能体运行框架中。
在我们的测试运行中,ego-browser 通过了 7 项任务中的 5 项,每项成功任务的开销为 $0.063。在它与 agent-desktop 共同通过的三项任务上,它平均每项调用 26.3 次,而 agent-desktop 为 87.7 次。
agent-desktop
agent-desktop 是 Vercel Labs 推出的电脑操作工具。它读取桌面应用的无障碍树,并以 JSON 返回,为智能体可以操作的每个元素提供一个 ref。智能体通过 ref 点击或输入,再次读取界面以检查结果。它以 CLI 形式提供,因此内部不运行模型。
它默认以无界面模式运行,因此针对 ref 的操作通过无障碍 API 完成,不会移动鼠标指针或抢占焦点。它的全局 --headed 参数允许实际输入操作和焦点切换。在我们的测试中,七次尝试有六次使用了 focus-window 将 Chrome 窗口切到前台;有五次使用了 --headed.
可使用以下命令安装:npm install -g agent-desktop,也可以在 macOS 和 Linux 上通过 Homebrew 安装。然后授予它无障碍访问权限(agent-desktop permissions --guide 会指导你完成此过程),并加载它的 skill。
在我们的测试运行中,agent-desktop 通过了 7 项任务中的 4 项,每项成功任务的开销为 $0.174。它通过了 ego-browser 未通过的 npm 任务;在与 ego-browser 共同通过的三项任务上,平均每项调用 87.7 次。
Cua Driver
Cua Driver 是 Cua 推出的工具,可在 macOS、Windows 和 Linux 上操作原生桌面应用和浏览器。它可通过 CLI、MCP 或带类型的 SDK 连接。在应用和平台支持时,通过在后台传递操作指令,智能体无需移动你的鼠标指针或抢占焦点即可工作;前台传递操作指令则作为后备方案。
在 macOS 或 Linux 上可使用以下命令安装:/bin/bash -c "$(curl -fsSL https://cua.ai/driver/install.sh)",在 Windows 上则使用 irm https://cua.ai/driver/install.ps1 | iex.
在我们的测试运行中,Cua Driver 通过了 7 项任务中的 2 项,每项成功任务的开销为 $0.352。在它通过的两项任务上,平均每项调用 111.0 次,而 ego-browser 为 32.5 次。
在 LinkedIn 上搜索并收藏职位
这项任务最接近日常琐事。智能体拿到一份求职者资料:具备五年 Rust 和 Go 经验,居住在柏林,只考虑可在欧盟境内远程工作的职位,薪资至少 €90k。它需要找到过去一周发布的职位,在做决定前阅读每条职位描述,收藏五个职位,并创建职位提醒。
使用 ego-browser 时,按模型自己的统计,它阅读了大约十二条职位信息,在 399 秒内收藏了五个职位并设置提醒,共调用 44 次,token 开销为 $0.056。使用 Cua Driver 时,它用 670 秒完成相同工作,调用 107 次,开销 $0.109。使用 agent-desktop 时,它调用了 140 次,达到 900 秒时限,仍未写出职位清单。

对于包含筛选、收藏和提醒的流程,可以先用 ego-browser。Cua Driver 也完成了这项任务,因此同样可用,但调用次数预计会超过两倍。
从长页面中提取数据
OpenRouter 任务要求智能体把一份很长的模型目录整理成 CSV。这些工具需要找到在上下文窗口长度、成本、工具支持和多模态支持方面符合要求的模型,再按规定格式整理信息。ego-browser 在 662 秒内返回了全部 36 个符合条件的模型,使用了 55 次工具调用。agent-desktop 和 Cua Driver 都达到 900 秒时限,仍未生成 CSV。在这项任务中,ego-browser 是唯一把筛选后的目录变成可供用户使用的清单的配置。不过,它提供的价格字段仍需核查:36 个输入 token 价格中,有 5 个答案错误。
失败的尝试是什么样的
在我们的日常任务数据集中,如果一项任务运行超过 900 秒,就算用时过长。这类尝试占 ego-browser 开销的 34%、agent-desktop 的 53% 和 Cua Driver 的 74%。在一项失败任务中,三种工具都在 Amazon 上搜索、核查候选商品,直至达到时限,仍未将任何商品加入购物车。因此,如果让它们执行长任务,需要为无法完成的尝试也预留预算。

如何运行
要获得自己的测试结果,请在智能体运行框架中,以 high 推理强度运行你选择的模型,启用框架的 bash 工具,并为每种浏览器工具加载一个 skill 文件。ego-browser 随 ego(lite) 提供,并将其作为智能体的浏览器来操控。Cua Driver 和 agent-desktop 则操控 Google Chrome。
常见问题
使用 DeepSeek-V4.1-Flash 执行网页任务,应该选择浏览器操作还是电脑操作? 根据我们的测试,应选择浏览器操作。DeepSeek-V4.1-Flash 搭配浏览器操作工具 ego-browser 通过了 7 项任务中的 5 项;搭配电脑操作工具 agent-desktop 通过 4 项,Cua Driver 通过 2 项。在 ego-browser 与 agent-desktop 都通过的 3 项任务上,ego-browser 平均每项用时 193.5 秒,而后者为 690.8 秒;成本分别为 $0.023 和 $0.084。差距来自工具调用次数,平均每项分别为 26.3 次和 87.7 次。任务包括求职搜索、数据提取、网页应用测试和购物,都通过同一个智能体运行框架执行。完整配置见“测试方法”。
DeepSeek-V4.1-Flash 的能力足以运行浏览器智能体吗? 搭配合适的工具,它能以较低成本完成工作。使用 ego-browser 时,它通过了 7 项任务中的 5 项,每项成功任务的 token 开销为 $0.063。使用 agent-desktop 时,通过 4 项,开销 $0.174;使用 Cua Driver 时,通过 2 项,开销 $0.352。开销统计包含全部七次尝试,也包括失败的尝试,因此失败更多的工具,每次成功的成本也更高。任务覆盖求职搜索、数据提取、网页应用测试和购物。完整配置见“测试方法”。
ego-browser 运行时会接管你的鼠标吗? 不会。ego(lite) 网站说明,ego-browser 在自己的 Space 中工作,不会接管你的鼠标或焦点;在我们的七次尝试中,日志也没有显示将其他应用切至前台的命令。agent-desktop 在七次尝试中有六次将 Chrome 窗口切到前台,Cua Driver 有两次请求在前台传递操作指令。使用这些工具时,智能体工作期间会占用屏幕。完整配置见“测试方法”。
ego-browser 比 agent-desktop 更快吗? 是的,在双方都通过的每项任务上都更快。在这 3 项共同通过的任务上,ego-browser 平均每项用时 193.5 秒,而 agent-desktop 为 690.8 秒。Hacker News 任务分别用时 66 秒和 442 秒,包含 15 个测试用例的商店测试分别为 131 秒和 791 秒。平均每项调用次数分别为 26.3 次和 87.7 次。agent-desktop 还在 701 秒内通过了 npm 任务,而 ego-browser 未通过,因此无法比较这项任务的速度。完整配置见“测试方法”。
ego-browser 比 Cua Driver 更便宜吗? 是的,在双方都通过的任务上更便宜。在 LinkedIn 求职搜索和包含 15 个测试用例的商店测试中,ego-browser 平均每项成本为 $0.036,而 Cua Driver 为 $0.092;用时分别为 265.2 秒和 634.0 秒。平均每项调用次数分别为 32.5 次和 111.0 次,而且每次调用都会重新发送对话。Cua Driver 的总开销中,还有 74% 花在运行至时限的尝试上。完整配置见“测试方法”。
Cua Driver 执行网页任务的表现如何? 它通过了 7 项任务中的 2 项:LinkedIn 求职搜索和包含 15 个测试用例的商店测试,ego-browser 也通过了这两项。其余 5 项均运行至时限,包括 Hacker News 和 npm 任务。它每项成功任务的开销为 $0.352,而 ego-browser 为 $0.063。在通过的两项任务中,它分别调用 107 次和 115 次,ego-browser 则分别为 44 次和 21 次。任务使用同一个智能体运行框架和模型执行。完整配置见“测试方法”。
agent-desktop 与 ego-browser 相比如何? agent-desktop 通过了 7 项任务中的 4 项,ego-browser 通过 5 项。agent-desktop 通过了 ego-browser 未通过的 npm 任务。在 LinkedIn 搜索、OpenRouter 筛选和 Amazon 搜索任务中,它都运行至时限。在双方都通过的任务上,它更慢,平均每项用时 690.8 秒,而 ego-browser 为 193.5 秒;成本分别为 $0.084 和 $0.023。大部分差距来自调用次数。完整配置见“测试方法”。
浏览器智能体运行超时时,会产生多少成本? 在我们的测试运行中,这部分占了总费用的很大比例。所有未通过的尝试都运行至时限,大多数任务的时限为 900 秒。这些尝试占 ego-browser 总开销 $0.315 的 34%、agent-desktop 总开销 $0.695 的 53%,以及 Cua Driver 总开销 $0.705 的 74%。Cua Driver 的 7 次尝试中有 5 次达到时限,agent-desktop 有 3 次,ego-browser 有 2 次。完整配置见“测试方法”。
ego-browser 没有完成哪些任务? 七次尝试中有两次未通过,且都运行至 900 秒时限:Amazon 搜索和 npm 任务。在 OpenRouter 清单任务中,它找到了全部 36 个模型,其中 36 个输入 token 价格有 31 个与 API 一致。这两项任务也让 agent-desktop 和 Cua Driver 的尝试未能成功,例外是 npm:agent-desktop 通过了该任务。逐项结果见“完整结果”。完整配置见“测试方法”。

浏览器智能体能在 Amazon 上购物吗? 在我们的测试运行中,没有成功。任务要求设置配送邮编,按 RAM、SSD、价格和评分筛选迷你电脑,核查每件商品的详情页,列出三款,并将其中一款加入购物车。ego-browser、agent-desktop 和 Cua Driver 都设置了邮编,并持续搜索至 900 秒时限,但没有任何工具写出清单,也没有进行到购物车这一步。开销分别为 $0.080、$0.079 和 $0.122。完整配置见“测试方法”。
测试方法
我们运行了 DeepSeek-V4.1-Flash(deepseek-flash 为其 API 名称),在 pi 智能体运行框架中使用 high 推理强度,启用 read、write、edit 和 bash 工具,并为每种浏览器工具配置一个 skill 文件。ego-browser 操控 ego(lite)。Cua Driver 0.44.0 和 agent-desktop 1.2.0 则通过系统的无障碍树操控 Google Chrome。
我们运行了 7 项任务,每项任务由每种工具尝试一次,共计 21 次尝试。网页应用自动化(2 项任务)包括 LinkedIn 求职搜索和 Amazon 商品搜索。数据提取(3 项)包括 Hacker News 招聘帖、npm 软件包和 OpenRouter 模型。网页应用测试(2 项)包括聊天演示应用和一个包含 15 个测试用例的商店。每次尝试的时限为 900 秒,两项测试任务的时限则为 1,200 秒。
当工具写出输出,且输出满足任务检查要求时,任务才算通过。Hacker News 要求召回率和精确率均至少为 0.8。商店测试要求 15 项判断中有 14 项正确。npm 要求 90% 的字段与注册表的偏差在 5% 以内。聊天演示应用要求服务器日志与回复一致,并至少发现三个预设缺陷中的两个。LinkedIn 和 OpenRouter 在工具返回指定清单后即算通过;OpenRouter 的价格匹配情况另见下方备注。成功率按尝试次数统计。时间和成本是双方都通过的任务上的每任务平均值,成本按 DeepSeek 的公开定价计算。
完整结果
| 任务 | 工作类型 | ego-browser | agent-desktop | Cua Driver |
|---|---|---|---|---|
| 在 LinkedIn 上找到并收藏五个可在欧盟境内远程工作的 Rust 职位,然后设置职位提醒 | 网页应用自动化 | 通过(399 秒,$0.056) | 达到时限(900 秒,$0.131) | 通过(670 秒,$0.109) |
| 根据规格和评分在 Amazon 上挑选三款迷你电脑,并将其中一款加入购物车 | 网页应用自动化 | 达到时限(900 秒,$0.080) | 达到时限(900 秒,$0.079) | 达到时限(900 秒,$0.122) |
| Hacker News“Who is hiring?”帖子中的远程 Rust 职位 | 数据提取 | 通过(66 秒,$0.018) | 通过(442 秒,$0.077) | 达到时限(900 秒,$0.063) |
| 在 npm 中以 keywords:validation 搜索所得前 30 条结果的版本、每周下载量和许可证 | 数据提取 | 未通过(900 秒,$0.028) | 通过(701 秒,$0.074) | 达到时限(900 秒,$0.078) |
| 按上下文长度、价格、工具调用和图像输入筛选 OpenRouter 模型 | 数据提取 | 通过(662 秒,$0.081) | 达到时限(900 秒,$0.160) | 达到时限(900 秒,$0.145) |
| 通过聊天演示应用的网页界面执行 10 个测试用例,并报告其缺陷 | 网页应用测试 | 通过(383 秒,$0.035) | 通过(839 秒,$0.066) | 达到时限(1,200 秒,$0.111) |
| 在演示商店中执行 15 个测试用例,并报告通过或未通过 | 网页应用测试 | 通过(131 秒,$0.017) | 通过(791 秒,$0.109) | 通过(598 秒,$0.076) |
