Aside 在多个 Agent 浏览基准测试中获得了最高分。互联网不相信我们，说我们的说法全靠"相信我啦兄弟"。
好吧。说实话，一开始我们自己也不信。但请相信我，我们花在验证结果上的时间比跑基准测试本身还多。
但这绝非运气。我们从零开始构建了 Agent 框架，并严格遵循我们自己的设计原则。在这篇文章中，我们将分享我们的秘诀。
什么是 Aside？
Aside 是一款专为在你已使用的网站上完成实际工作而设计的浏览器。
我是个超级浏览器爱好者，但对 Dia、Perplexity Comet 和 ChatGPT Atlas 感到失望，因为它们的 Agent 太笨了，连一个任务都完不成。
所以我们从零开始构建了一款真正的 AI 浏览器：
- 轻量且快速的 Chromium 分支。精心打磨的设计细节。
- 它像你一样直接使用你已登录的账号。无需集成，无需 API 对接。
- 它通过本地嵌入模型驱动的自我组织记忆来记住你的工作。
- 凭证会自动填入页面，但绝不会暴露给模型。敏感操作会等待你的批准。
基准测试结果
我们在三个浏览器 Agent 基准测试中排名第一：Online-Mind2Web、BU-Bench-V1 和 Odyssey。所有基准测试的运行数据均已发布在 https://github.com/at-inc/aside-benchmarks 上。
Online-Mind2Web
最广泛报道的浏览器 Agent 基准测试。涵盖 136 个实时网站的 300 个真实世界任务，覆盖各种消费者工作流程。这是每个网页 Agent 都会被拿来比较的标准。
Aside + GPT 5.5 99.0%。带有 CUA 的 GPT-5.4 得分为 92.8%，Opus 4.8 + Claude Code（Playwright MCP）在我们的测试中得分为 84.0%，ChatGPT Atlas 得分为 70.0%。
Odyssey
Odyssey 是 CMU 的长期任务基准测试。200 个来自真实用户浏览历史的多站点任务，例如"规划一次覆盖所有 30 个 MLB 球场的旅行"或"比较在洛杉矶租用特斯拉 Model 3 与 1 万美元以下的拖车替代方案"。
Aside 使用 GPT 5.5 得分 75.5%，创下最高纪录。
BU-Bench-V1
Browser Use 的开放基准测试。100 个从 WebBench、Mind2Web 2、GAIA 和 BrowseComp 中精心挑选的高难度任务。
Aside + GPT 5.5 达到 93.0%。Fable 5 + Claude Code（Playwright MCP）在我们的测试中得分为 80%，而 Fable 5 + Browser Use OSS 同样得分为 80%。
有趣的是：Aside + Kimi K2.6 甚至超过了 Fable 5 + Claude Code。
但用你的框架去比较模型性能，这不是没意义吗？
没错。你说得对，抱歉我这是在故意引战。
但我想讨论的是我们框架的效率。
框架非常重要。模型仍然决定了能力上限，但通过构建更好的 Agent 框架，你还有很大的优化空间。
我们如何构建最智能的浏览器框架
我们的大部分框架都是从零开始构建的。
我们选择 pi-mono/core 作为基础，但我们必须在其之上自己构建所有其他东西（例如压缩、技能、钩子、沙箱、REPL、bash 和浏览器自动化），因为我们要坚持自己的原则。
设计原则
1. 遵循模型的训练数据。
Aside 是一个编码 Agent。是的，你没听错。当我最初设计 Aside 时，我问自己：LLM 见过最多的数据是什么？是代码。
当我在 2016 年开始 ML 研究时，我的核心信念很简单：所有 ML 模型都只是统计非线性函数。因此，如果你自己不是构建前沿模型的人，那么最好的选择就是遵循它们的训练数据分布。
这就是为什么我们的核心工具是一个基于 Playwright 语法构建的 JS REPL，因为它是使用最广泛的。
2. 最少的指令带来更高的智能。
我们发现，幻觉和愚蠢行为主要来自两个方面：对当前状态的描述不佳，以及相互矛盾的指令。
因此，我们保持系统提示精炼。我们的系统提示（包括工具定义）仅占用 10K tokens。而 Claude Code 则消耗 20K tokens。
我们也绝不让 AI 编写提示词。 这只会制造垃圾内容叠加垃圾内容。在基准测试上运行自动研究会产生一大堆刷分规则，比如"当 X 发生时，执行 Y"或"永远不要做 A、B、C"。
3. 保护上下文窗口
上下文窗口中的无用 token 是万恶之源。当工具输出充满噪音（例如，div 和样式占内容 90% 的 DOM 捕获）或指令因无关细节而臃肿时，模型性能会迅速下降。
一个好的框架可以保持工具输出的高信号和低噪音。 例如，CDP 或原始 DOM 对于浏览器控制来说是一个糟糕的选择。该协议对于模型来说过于原始，难以有效解析。这就是为什么我们使用自定义的 a11y 树。
4. 站在巨人的肩膀上。
我们并非一切从零发明。我们借鉴了优秀的开源项目：Codex、Claude Code、OpenCode、oh-my-opencode 等。
Aside 是一个编码 Agent。
Aside 基本上是一个编码 Agent。我们只有两个核心工具：REPL 和 bash。Aside 编写 Playwright JS 代码来控制浏览器，这与使用专用浏览器控制工具集的 OpenClaw 或 Hermes 不同。
为什么选择 JS REPL？ 因为它非常接近模型的训练数据，并且代码是表达逻辑和数据最清晰的方式。这在真实任务中至关重要。Aside 可以填写复杂的表单并逐帧检查 YouTube 视频，因为 Agent 可以编写代码。
有时，Aside 会逆向工程网站的 API。 如果页面阻止了正常路径，它会捕获网络请求，找出内部 API，并将其作为变通方案。该请求看起来与网站自身的请求完全相同，因此不会被标记为机器人。我很喜欢这一点，因为让 Aside 更接近编码 Agent 产生了这些聪明的副作用。
Playwright 是 LLM 已经知道的浏览器语言
为什么选择 Playwright？因为它是 LLM 见过最多的浏览器自动化 API。OpenAI 甚至表示 GPT-5.4 经过训练可以很好地使用 Playwright。我的第一反应很简单：如果模型已经知道这个接口，为什么还要发明一个新的呢？
最令人惊奇的部分是，我们的提示 没有教授 Playwright 语法。Playwright MCP 花费 13K tokens 来解释它。我们只是说"Playwright 可用"。Aside 的表现仍然更好，因为我们节省了 tokens 并避免了额外的指令。
附注：CDP 是个坏主意
最近，我们看到了一股使用 CDP 进行浏览器控制的趋势。我们认为这通常是一个坏主意（抱歉 browser-harness）。从工程师的角度来看，它看起来很完美：一个接口搞定一切。但问题很简单：
- LLM 没有接受过使用 CDP 的训练
- CDP 是一个低级调试器协议
- 它浪费 tokens，并且 LLM 很难使用它
正如我之前所说，最好不要与 LLM 的训练数据分布对抗。关键在于选择正确的抽象层，一个模型已经理解的抽象层。
Playwright → Asidewright
但 Playwright 臃肿且沉重，因为它专为 E2E 测试自动化设计，而不是为 Agent 设计的。所以我们制作了自己的版本：Asidewright。
- 对 LLM 友好：接口与 Playwright 100% 相同
- 轻量级：每个 API 都是围绕 CDP 方法的、有主见的轻量封装。没有注入脚本、中间层或臃肿代码。
- Token 高效：比 agent-browser 最多节省 80% 的 tokens
- Agent 信号：向 Agent 报告异步事件并附带引导信息，例如弹出窗口已打开、下载已开始和标签页已关闭。
Token 高效的 a11y 快照
最近网页交互的规范是无障碍树。Claude、agent-browser、Playwright MCP 和 OpenClaw 都使用带有引用 ID 的无障碍树来标识可交互元素。
我们构建了自己的修改版无障碍树。我们通过启发式方法移除了许多中间元素，并添加了有助于 LLM 的信息，例如焦点状态、iframe ID 和可点击状态。
在快照 aside.com/sota 并与 agent-browser 进行比较后，Aside 的输出 小了 70%，并且关键信息集中在前端。这意味着当工具结果被截断时，Agent 遗漏关键细节的可能性大大降低。
备选方案：带截图的计算机使用
当然，有些网站无法通过 DOM 进行控制。我们向 Asidewright 添加了一个 CUA 接口，以便 Aside 在需要时可以使用视觉信息和点击坐标。
使其在真实用户浏览器中工作的技术细节
构建一个无头浏览 Agent 与构建一个驻留在真实用户浏览器内的 Agent 非常不同。
后台打开的标签页。 基于 Chrome 扩展的 AI Agent 每次都会抢夺用户的焦点。我们修改了 Chromium 的 Blink 引擎，以便 Agent 打开的标签页不会获取焦点、弹出窗口或中断用户的前台任务。
避免机器人检测。 我们使用了与 Browserbase 和 Browser Use 相同的技术修改了 Chromium 内部机制。
视口锁定为 1440x900。 如果你使用过 Codex Browser，你就会看到混乱：每次调整屏幕大小，浏览器窗口都会变化，每个操作都会中断。
我们修改了 Blink，使得 Agent 在后台打开的标签页始终以 1440x900 渲染，无论用户的窗口大小如何。
Aside 的后台标签页模式：Aside 将视口锁定在恒定大小。
额外好处：大多数 CUA 训练数据都是这个分辨率，所以 CUA 模型在此分辨率下表现更好。记住第一条原则：遵循模型的训练数据。
结论
说 Aside 击败了 Fable 这个说法，坦白说有点引战。但在过去的四个月隐身开发期间，我们构建了一个具有顶级性能的 SOTA Agent。这源于实验、研究和大量精心的工程工作。
我们如此在意，是因为 Aside 是一个将网站作为工具来为用户完成日常工作的 Agent。现实世界的工作通常比编码更混乱。这使得一个精心构建的框架对于通用 Agent 来说，比人们想象的要重要得多。
好奇吗？立即下载 Aside：Aside.com
