郭震 AI公众号:郭震AI

实时 AI 消息

反超Gemini之后,Karpo再开源:决策模型登顶,浏览器Agent单任务成本降至0.096美元

MachinePulse AI 开源决策模型 Karpo Decision 31B,在300个模型参与的 Decision Index 榜单上以73.9分排名第一。团队同时放出浏览器Agent方案 karpo-browser 与 KBB 评测集,102道核心任务成功率达89%,单任务模型成本仅0.096美元。

发布时间

11月21日,MachinePulse AI 宣布开源决策模型 Karpo Decision 31B。它不做长文本生成,而是专为 Agent 的高频判断而生:网页上下一步点哪个按钮、一个任务有没有完成、几十个待调用工具里哪一个最符合要求,都由它直接给出判断。

量子位报道中的《城市扫描仪》测试给出了直观对比:从36场活动中挑出10个符合条件(人均50美元以内、通勤5公里)的去处,Karpo Decision 31B 只用了2.6秒,Gemini 3.5 Flash 用了14.96秒,36道题的准确率为100%。部署门槛也不高,一张 RTX PRO 6000 就能让它上岗,面对公开集14万多次请求,中位响应时间为94毫秒。

榜单成绩同样具体。在300个模型同台竞争的 Decision Index 评测总榜上,Karpo Decision 31B 以73.9的Full分排名第一,单题最多可同时判断255个候选选项,校准误差降到2.3%。团队特意注明 Karpo 不参加排行,其自测用102道全集题、跑三次取平均,比榜单其他模型在38道题上只跑一次的要求更严格。

对开发者来说,同一批开源里的浏览器Agent方案可能更有价值。karpo-browser 采用 System 1 加 System 2 的分工:通用大模型负责理解需求、拆解任务、准备要填写的信息,专门针对网页动作训练的 Karpo Decision 27B Act 则负责选择输入框、点击按钮、决定下一步操作,单次决策中位时延为931毫秒。

这套框架用 TypeScript 编写,可以适配不同的开源大模型与决策模型;通过 MCP,开发者能直接把浏览器操作能力接入 Claude Code、Codex 等现有 Agent,不必从零搭建。配套的 KBB(Karpo BrowserBench)评测集覆盖584个真实网站、23,075步网页操作,全部来自真实网页录制。

实测数据发布于 Browserbase Benchmark v2 的102道核心任务:平均成功率89%,平均耗时201秒,单任务模型成本0.096美元。作为参照,同期榜首的 Claude Fable 5.2 加 Claude Code 组合,用时约为其1.9倍,模型成本则是它的十三倍。

网页上约78%的操作交给决策模型完成,但只占整个 Agent 运行耗时的14%和模型成本的13%。这组比例正是"决策模型"这门生意成立的依据:把大量琐碎、高频的判断从通用大模型手里拿走,规划和核对留给更贵的大模型,速度与账单可以同时下降。

放在赛道背景里看,这一步的意义更清楚。自9月 Jev 走红后,决策模型成为硅谷热门方向,Jev 背后的 TypeSafe AI 在24天内被报道拿到75亿美元估值,OpenAI、微软、亚马逊、Cloudflare 相继入场。但 Jev 与谷歌的 Gemini Decision 1 都没有开源,已开放权重的 GLiDE 又难以同时拉满速度和判断力;Karpo 这次把模型权重、浏览器框架和评测集一起放出,给自建 Agent 的团队提供了一个可自部署的选项。

接下来值得观察的有两点:一是 KBB 与 Browserbase 成绩能否被社区独立复现,二是通过 MCP 接入 Claude Code、Codex 之后,在长流程、多工具的复杂任务上是否仍能维持这样的成本优势。开源只是起点,真实工作流里的稳定性才是决策模型能否长期留在技术栈中的关键。

为什么重要

权重、框架与评测集同时开放,把决策模型从闭源服务变成可自部署的基础件,浏览器Agent的成本曲线可能整体下移。

微博邮件

MachinePulse AIBrowser AgentOpen Source
返回实时消息

附近消息

全部