OpenAI开源智能体浏览器功能测试基准BrowseComp，难度极高，GPT-4o和GPT-4.5准确率接近于零，带浏览器功能的GPT-4o也仅1.9%，而新发布的Deep Research准确率达51.5%，在搜索、整合与校准方面表现出色。