浏览器任务基准对比两模型
DhruvBatra_ · x · 2026-07-11
这条帖子提到作者用 **OpenAI GPT 5.6 Terra** 和 **Meta Muse Spark 1.1** 跑了 **yutori_ai 的 browser-use 基准**。 结果上，Terra 表现“扎实”，而且 token/step 效率不错；Muse 则更容易卡在循环里，还会在涉及结账的场景中因安全原因拒绝执行，最终在 100 步限制附近表现不佳，被评价为“不适合做 computer-use 模型”。