# OpenAI 开源 BrowseComp：一个专测 AI 浏览器特工找冷门信息能力的 1266 题基准

> 原标题：BrowseComp: a benchmark for browsing agents

- 来源：OpenAI News
- 发布时间：2025-04-10T10:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/584
- 原文：https://openai.com/index/browsecomp

## 摘要

OpenAI 放出了一个叫 BrowseComp 的基准测试，里面有 1266 道题，专门用来考 AI 浏览器特工（就是能自己上网查资料的模型）能不能找到那些藏得很深的信息。

## 推荐理由

OpenAI 发布 BrowseComp 基准，用 1266 道题考察浏览器代理检索冷门信息的能力，题目按难找易验的思路设计。

## 锐评

1266 道题这个量级，感觉 OpenAI 是想给 browser agent 定一个能长期引用的分数线。难找但易验这个出题思路是对的，答案唯一才好判分，不然又是一堆模型自己给自己打分的 benchmark。

要看的还是这 1266 题里有多少是模型靠记忆答出来的，冷门信息放久了迟早进训练集。基准这东西，出题方自己跑第一版分数最漂亮，后面就看有没有人拿它当真。
