跳转到主要内容
browseruse-bench 集成了多个主流的浏览器评测基准，覆盖不同类型的 Web 交互任务。

​
已支持的 Benchmarks

LexBench-Browser

推荐 - 专为中文网站设计的评测基准，340 个任务覆盖 50+ 主流网站。支持无需登录子集，适合自动化评测。

Online-Mind2Web

基于 Mind2Web 数据集的在线评测，测试 Agent 在真实网站上的导航和交互能力。

BrowseComp

浏览器操作竞赛任务，评估 Agent 的综合浏览器操作能力。

​
功能对比

Benchmark任务数语言评估方式需要登录
LexBench-Browser340中文WebJudge部分需要
Online-Mind2Web~100英文WebJudge否
BrowseComp~50英文Grader否

​
快速对比运行

# LexBench-Browser（推荐，无需登录子集）
uv run scripts/run.py --agent browser-use --benchmark LexBench-Browser --split no_login --mode first_n --count 5

# Online-Mind2Web
uv run scripts/run.py --agent browser-use --benchmark Online-Mind2Web --mode first_n --count 5

# BrowseComp
uv run scripts/run.py --agent browser-use --benchmark BrowseComp --mode first_n --count 5

​
计划支持

  • 更多 Benchmark
如果你希望添加新的 Benchmark，请参考自定义 Benchmark 指南。