类型 / TYPE
营利公司 · YC W25
Browser Use 证明了一件"简单"的事：把网页 DOM 转成文本，比截图给 AI 看更聪明。这个选择让他们的开源库拿到 80,000+ GitHub stars，成为 web agent 基础设施的事实标准之一。
Vision-based web agent 的路子是截图 → 视觉模型理解像素，计算量大、错误率高，还对页面布局的变化很敏感。Browser Use 的解法是绕开像素，直接读取网页的 DOM 树，转成 LLM 可以理解的结构化文本。关键洞察是：网页的语义信息在 HTML/DOM 里，不在像素里——给 LLM 看 DOM，比给它看截图更接近"给它看意义"。
公司由 ETH Zurich 出身的 Magnus Müller（CEO）和 Gregor Žunič 共同创立，2024 年底开源了 browser-use 框架，随后加入 YC W25，2025 年 3 月由 Felicis Ventures 领投拿到 $17M 种子轮。团队约 10 人，总部横跨 Zurich 与 San Francisco。
browser-use 开源库在 2024 年底发布，是第一个成熟的 DOM-based web agent 框架，随后在 Online-Mind2Web 基准上跑出 97% 的 SOTA 成绩，并在自建的 BrowserBench 上排名第一。2025 至 2026 年，团队又推出了专门训练的 ChatBrowserUse 模型，从"框架"演进为"框架 + 模型"的组合。
这套基础设施已经被 Manus、Butterfly Effect 等商业 agent 产品采用，说明 Browser Use 已经从研究工具走向了生产部署。GitHub 上的 star 数超过 80,000，是 web agent 领域最高的项目之一。
DOM-based 方法并非万能：重度 JavaScript 渲染的单页应用（SPA）的 DOM 状态很难被稳定捕获，高度交互式的 Canvas/WebGL 应用更是完全绕开了 DOM 语义。Online-Mind2Web 的 97% 是标准测试集上的成绩，而真实用户任务往往比基准更长尾、更不规则——"benchmark 上的 SOTA"不等于"生产环境里能用"，这是所有 agent 框架共同面对的问题。
另一层判断是关于战略：开源 + YC 的组合是目前最快的 web agent 基础设施占位方式——80K+ stars 意味着即便未来出现更强的竞争对手，迁移成本也已经很高。这与 Claude Computer Use、OpenAI Operator 等闭源方案形成对照，Browser Use 占据了开源生态的位置。也因此，Browser Use 面对的下一个竞争维度，可能不是"能不能完成单个超难任务"，而是"能不能稳定跑一千个任务不崩"。
Browser Use 用一个反直觉的架构选择赢得了先发位置：读取结构化 DOM，而不是像人一样"看"屏幕。80K+ stars 和被 Manus 等产品采用证明这个选择在开源生态里已经形成护城河。但公司自己也承认，动态 SPA 和 Canvas/WebGL 场景是这套方法论的系统性盲区，而 97% 的基准分数距离"生产环境里稳定可靠"还有距离。Browser Use 现在的竞争不再是"能不能做对一件事"，而是"能不能一千次都不崩"——这是工程可靠性问题，不是模型能力问题。
首次发布 2026-08-07