jo32

补一个 Flash 的浏览器任务实测。先说明，我用的是 DeepDeck ，这次用的是小米官方 API ，没测 Pro ，也没测 Coding Plan 。

从 49 题里取同一组 43 道可比题，开启 WebMCP ，按实际 token 用量、包含缓存折扣估算，统一美元：
MiMo V2.6 Flash：$0.187 ，37 分钟
GPT-5.6 Luna：$0.314 ，23 分钟
DeepSeek V4.1 Flash：$0.249 ，20 分钟（按当时低谷价）

关闭 WebMCP 时，三者分别用了 43 、35 、27 分钟。开启后，执行轮次分别少了 6%、22%、14%。

我比较在意工具使用这一块：MiMo 调 WebMCP 121 次，比 Luna 的 80 次还多，但没省下那么多步骤。所以这轮看下来是成本够低，速度慢一些，工具用得还不够高效。调用多不等于利用得好。

这些是中低难度浏览器任务，用来观察体验，不能直接当编程能力排名。每题每个开关条件只跑一次，接口、运行版本也有差异，先供大家参考。

逐题结果和费用计算都在这里： https://deepdeck.getmegaportal.com/zh/benchmarks#results

补一份 9 月 17 日更新：这周把前面的实验整理成了 DeepDeck WebMCP Bench ，可以测模型完成浏览器任务的能力，也可以测同一模型开启／关闭 WebMCP 后的实际收益。

现在内置 8 个开源网站、49 道任务，覆盖查询、搜索、购物、预约、课程和业务流程；题库起点来自 WindTunnel ，保留了上游署名。也支持直接输入网站 URL + query 做消融实验，不需要 Docker ；可以用网站原生工具，或指定自己的 WebMCP 实现。

这次跑了 GPT-5.6 Terra 、DeepSeek v4.1 Flash 和 Hy3 。两组都保留完整默认工具，包括 Chrome DevTools MCP ，只切换 WebMCP ；每题 10 分钟，不限步数。

全 49 题的评分通过数（开启／关闭）分别是 49/49 · 49/49 、48/49 · 47/49 、49/49 · 48/49 。效率统一看三个模型、两组都通过的同一批 46 题：
• Terra：总 token 5,888,869 → 3,793,871 ，Agent 耗时 1,710.8s → 1,138.1s ，步数 413 → 268 。
• DeepSeek：16,199,466 → 11,974,070 token ，1,870.3s → 1,348.5s ，708 → 572 步。
• Hy3：16,275,045 → 12,572,972 token ，2,880.5s → 2,221.0s ，694 → 608 步。
以上箭头均为关闭 → 开启 WebMCP 。

两个感受：一是给足可读取页面结构、执行操作的工具，文本模型也有机会完成不少基础浏览器任务；不能把 computer use 只理解成看截图点坐标。二是单次推理快，不一定让整个任务更快。这批任务中 Terra 用的 token 和 Agent 步数更少，开启 WebMCP 后步数减少约 35.1%，DeepSeek 为 19.2%，Hy3 为 12.4%；最终总耗时也更短。

我猜训练目标可能会考虑任务完成时效，在刷分与用户等待时间之间做取舍。但这只是猜测，本次实验无法反推出任何厂商的训练奖励或证明其牺牲了 benchmark 成绩。

这批每题每组只跑了 1 次；默认推理强度的实际档位未记录，接口、分词方式与部分环境版本不同，因此不是严格的跨模型能力排名。总 token 包含缓存读写，不等于费用，DeepSeek 的 API 估算费用反而更低。评分疑点、环境补跑和失败都在报告中说明。

完整结果、逐题数据与使用方式： https://deepdeck.getmegaportal.com/zh/benchmarks
源码与运行文档： https://github.com/jo32/DeepDeck/blob/main/docs/webmcp-benchmark.md

如果你在做网站 WebMCP 或 Agent ，可以拿自己的任务跑一组，看看工具究竟减少了哪些步骤。文字经 AI 辅助整理，数字已对照公开报告。

补上主帖里还没测的部分：WebMCP 到底能省多少？这次测了选书、读 X 、整理 HN 评论，结果不一样。

先说两组条件较接近的实验，都是普通浏览器和已安装 WebMCP 工具各跑 5 轮：

1. 从 Books to Scrape 的 65 本书中选最便宜的三本，再取详情。两组全部成功。WebMCP 耗时中位数从 46.807 秒降到 29.855 秒，总 Token 减少 52.0%。
2. 读取 X 的三条固定帖子。两组也全部成功。WebMCP 耗时中位数减少 10.3%，总 Token 反而增加 8.4%。

普通浏览器这两组允许 DevTools 和临时脚本；测的是安装工具后的重复使用，没算第一次构建、准备和后续维护成本。总 Token 包含缓存读取、重复上下文，不能直接当成省了多少费用。

HN 测的是评论正文和“回复了谁”。WebMCP 完整成功 3/3 ，CU 组 0/3 ；两组不同期，实时评论数量也不同，所以只单独分析完成度，不拿它算等量任务的加速倍数。

实验是 9 月 10–13 日的记录，模型路由为 openai-codex/gpt-6-astra 。图表、完整方法和汇总数据：
https://deepdeck.getmegaportal.com/zh/webmcp/experiments

另一个可以直接试的更新是工具目录。目前有 Hacker News 、X ，以及开发预览阶段的 NGA ；可以查看 GitHub 项目，通过对应版本的入口在 DeepDeck 安装，遇到问题回上游提 Issue 或贡献修复：
https://deepdeck.getmegaportal.com/zh/webmcp

目录刚起步，收录不代表每项功能都经过验证。DeepDeck 是 MIT 开源的非官方 DeepSeek Harness macOS 客户端。

你日常有哪个网站操作，每次都要让 Agent 重新找页面、翻页、抄字段？最好举一个具体任务，我想用这样的流程继续验证复用是否划算。

文字经 AI 辅助整理，数据已核对，配图来自线上页面。

@mygao666 是的，这是一个客户端，因为需要接某个 agent harness ，就先自己做了。

btw ，codex 其实也支持 webmcp ，只要你的网站支持 webmcp ，用 codex 的 browser 打开这个网站，它就会调用这个站点的 mcp ，但现在 webmcp 的普及率比较低，它没有像我现在这样子，可以给某个网站补 webmcp 。

@DLtianzheng 是个好建议。

@blogbbs 嗯嗯，是的呢，感谢，主要是用来说明 Web Intents for LLMs 这个协议能做出怎么样的效果。

图没贴对，再来一遍：


https://spellboard.app 我自带搜索也是用同一个协议写的，例如搜索 V2EX 😄：

[]( https://imgse.com/i/pk0Tzut)

2021 m1pro mbp + sony xm4 ，蓝牙卡顿音质差，有线音质好，一个天一个地（摔