美国企业每年因手工数据录入损失28500美元/员工。这个数字来自Coasty Blog 2026年4月发布的企业调研报告。2025年1月OpenAI推出Operator时，所有人都在欢呼：终于有AI能替我们操作浏览器了。15个月过去，实际情况如何？
三大产品正面交锋
Anthropic Claude Computer Use 是最早落地的方案。2024年10月随Claude 3.5 Sonnet发布，提供截图、点击、键盘输入三项核心能力。到2026年2月Sonnet 4.6发布时，OSWorld基准测试得分从最初的14%飙升到78%。某保险公司在内部测试中拿到了94%的任务完成率，Anthropic官方博客确认了这个数据。代价是速度，每个操作步骤需要消耗大量思考token，延迟明显。
OpenAI ChatGPT Agent（原Operator）走的是另一条路。2025年7月，OpenAI将Operator整合进ChatGPT，更名为agent mode，独立站点同步关停。ChatGPT Pro用户每月200美元获得400次agent任务额度，Plus用户每月20美元获得40次。OSWorld基准测试得分38.1%，WebVoyager浏览器专项测试得分87%。问题在于：38.1%意味着每10个桌面任务失败近4个。Coasty Blog在评测中直言Operator是一个不错的浏览器玩具，但算不上自主操作的AI。
Browser Use 是开源阵营的黑马。GitHub星标突破10.8万，Y Combinator投资，官方基准测试准确率98%。Browser Use Cloud提供隐身浏览器基础设施，每小时0.02美元，支持195个国家代理。Airbnb、Amazon、Google、Microsoft、OpenAI等公司都在使用，这是Browser Use官网的客户列表。开源版本免费，pip install browser-use即可上手。
成本对比：算清这笔账
2024年每个代理任务成本0.50到1.50美元。2026年中期，同样的任务成本降到0.05到0.15美元。降幅5到10倍。
具体到三家产品：
Claude Computer Use按token计费，每个截图约消耗1500到2000个输入token。20到30步操作的任务，API费用0.50到2.00美元。
ChatGPT Agent包含在订阅费中，不额外收费。但Pro计划每年2400美元，对中小企业是不小的固定支出。
Browser Use开源版零成本，只需承担模型API费用。Cloud版按量付费，跗2000到6000次任务月预算约300美元。
真实场景表现
场景一：网页表单自动化。 三家产品在标准HTML表单上表现接近，成功率80到90%。Browser Use凭借专门优化的DOM解析，速度最快。
场景二：企业后台操作。 涉及登录态、动态加载、复杂交互。Claude Computer Use的视觉理解能力占优，能处理非标准UI。ChatGPT Agent在受控虚拟环境中表现尚可，但遇到桌面应用就无能为力。
场景三：多步骤工作流。 50步操作的任务，Claude需要2到4分钟纯推理时间。Browser Use通过组合式架构，grounding模型识别元素、规划模型决策、执行层实施，在可解释性上更胜一筹。
技术架构差异
Claude Computer Use采用端到端方案，单个视觉语言模型处理整个循环。架构简单，长任务稳定性好，但决策透明度有限。
ChatGPT Agent基于GPT-4o视觉能力加强化学习推理，运行在安全沙盒浏览器中。优势是隔离性好，劣势是只支持网页操作，无法控制桌面应用。
Browser Use提供组合式架构，将流水线拆分为不同阶段。开发者可以自定义每个环节的模型和策略。微软的UFO2 Agent采用了类似思路，标准控件用可访问性树，非标准界面回退到视觉推理。
一个所有团队都会踩的坑
坐标缩放。视觉模型通常接收1024×1024像素的图像，但实际屏幕分辨率可能是1920×1080。模型说在坐标512,300处点击，这个坐标在模型的图像空间里，不在屏幕原生分辨率上。搞错坐标缩放函数，每次点击都会偏移。在高DPI显示器上问题更严重。tianpan.co的技术博客专门分析了这个问题，建议每个团队在第一次构建计算机使用代理时都先解决坐标映射。
选型建议
需要控制桌面原生应用的团队，选Claude Computer Use。OSWorld得分78%，是目前桌面操作准确率最高的方案。
预算有限、只需网页自动化的团队，选Browser Use。开源免费，Cloud版每小时0.02美元，社区活跃，迭代速度快。
ChatGPT Agent适合已经订阅ChatGPT Pro的团队。不想折腾基础设施，直接在对话框里输入任务就行。但要做好心理准备：复杂任务失败率不低。
2026年下半年趋势
Andreessen Horowitz预测AI浏览器代理市场2026年达到120亿美元，年增长率超200%。Gartner预测到2026年底40%的企业应用将内置任务型AI Agent，2025年这个比例不到5%。
行业正在向混合模式趋同。有结构化API时用API调用，没有时回退到视觉推理。微软UFO2 Agent就是典型案例。这个方向意味着：未来不需要为每个系统单独开发集成，一个统一的代理层就能搞定。
成本还会继续下降。前沿模型的小型版本（GPT-5 mini、Claude Haiku 4.5）已经让单任务成本降到0.30到1.00美元。随着推理效率优化和模型蒸馏技术成熟，中小企业月预算300美元跗数千次代理任务将成为常态。
AI浏览器自动化已经从能不能用进入怎么用得可靠的阶段。选对工具，算清成本，你的团队就能真正省下那些重复劳动的时间。
发表回复