挑选网页上该点的那个按钮,到底该花多久?MachinePulse AI给出的答案是2.6秒,而Gemini 3.5 Flash用了14.96秒。这家公司开源了决策模型Karpo Decision 31B,同时把用在自家产品Karpo上的浏览器操作框架一并开放,在智能体圈子里引起不小关注。
专做决策的小模型
在一场名为”城市扫描仪”的挑战里,Karpo从36场活动中挑出10个休闲娱乐去处,要求平均消费50美元以内、通勤距离5公里以内,36道题全部答对,耗时仅2.6秒,比Gemini 3.5 Flash快了近6倍。
Karpo Decision 31B专为智能体的高频、低延迟判断设计:浏览网页时下一步点哪个按钮、任务有没有完成、几十个工具里该调用哪个。它不需要逐字生成答案,只跑一次前向推理就能算出整组选项的概率。在收录300个模型的Decision Index评测总榜上,它以73.9的Full分登顶;单题最多可同时判断255个候选选项,校准误差降到2.3%。一张RTX PRO 6000显卡就能让它上岗,面对公开集14万多次请求,中位响应时间仅94毫秒。

快慢双模型分工干活
新开源的karpo-browser方案采用System 1加System 2的快慢双模型架构:System 2负责”动脑”,由通用大模型DeepSeek V4.1 Flash理解需求、拆解任务、准备填写信息;System 1负责”动手”,由专门针对网页动作训练的Karpo Decision 27B Act选择输入框、点击按钮,单次决策时延中位数为931毫秒。框架本身负责读取网页、执行操作并处理网页变化与异常。
在Browserbase Benchmark v2的102道核心任务上,这套方案取得89%的平均成功率、201秒平均耗时,单任务模型成本仅0.096美元(约0.64元)。相比榜首的Claude Fable 5.2加Claude Code,速度快了约1.9倍,成本只有对方的十三分之一。团队观察到,网页上约78%的操作交给了Karpo决策模型完成,但这些操作仅占整个智能体运行耗时的14%、模型成本的13%。
| 指标 | Karpo方案 | 对比对象 |
|---|---|---|
| 城市扫描任务耗时 | 2.6秒、36题全对 | Gemini 3.5 Flash 14.96秒 |
| Decision Index总分 | 73.9(300模型登顶) | — |
| 网页任务成功率 | 89%(102题) | — |
| 单任务模型成本 | 0.096美元(约0.64元) | Claude方案约1/13 |
| 任务完成速度 | 快约1.9倍 | Claude Fable 5.2+Claude Code |
| 校准误差 | 2.3% | — |
工具链一并开放
这次开源的不只是权重。团队把采用TypeScript编写的karpo-browser框架、Karpo Decision 27B Act模型权重,以及配套的KBB网页动作决策评测集一起交了出来。KBB覆盖584个真实网站、23075步网页操作,通过真实网页录制与离线回放,帮助开发者检验模型每一步动作选得对不对。开发者无需从头搭建浏览器智能体,通过MCP就能把这套能力接入Claude Code、Codex等现有智能体。
成本方面,按JevBench的图形处理器成本估算,Karpo每1000次决策约需0.025美元(0.17元),相当于花1美元就能跑完近4万次决策。团队表示,相较于使用昂贵的顶尖模型,这套方案有机会让开发者用同样的运营预算支撑原来5到30倍的用户规模。
常见问题
Karpo Decision有什么用?它把”决策”从通用大模型中拆出来,用专用小模型低延迟完成,适用于搜索结果筛选、推荐、工具选择、模型路由和浏览器操作等高频判断场景。
普通开发者能部署吗?可以。模型权重、框架代码和评测集均已开放,一张RTX PRO 6000显卡即可运行,还能通过MCP接入现有智能体工具链。
它只是快而已吗?不只是快。团队强调这套方案在保持任务成功率的同时,兼顾了速度与成本,三项指标同时达标在此前榜单记录中并不多见。
信息来源:量子位、Karpo官方博客、机器脉搏AI开源仓库

