jev-ultrafast实测:AI 7秒搜票,但12306翻车了

BrowserUse新工具jev-ultrafast将浏览器Agent提速至7秒完成订票,协议调用削减近十倍,但复杂页面仍存短板。
BrowserUse团队推出的jev-ultrafast通过将浏览器协议调用次数从1092次削减至101次,将同类订票任务耗时压缩至7.09秒,比原版快约四分之一。它内置可视化Inspector,将页面元素逐个编号并展示置信概率,彻底打破决策黑盒,方便开发者调试。模型层面采用开放接口,兼容GLM、DeepSeek等国产模型,MIT协议对商业使用友好。但在12306的测试中,因城市建议列表使用无语义标签的Div实现,Agent无法识别下拉建议,陷入60次重复输入的死循环,暴露了当前浏览器Agent在非标准页面上的共性局限。总体而言,它适合需要自动化工作流提速的开发者,但尚不具备处理所有复杂国内网站的能力。
BrowserUse团队推出的新工具 jev-ultrafast(视频中念作 Jeff Ultrafast)把浏览器自动化 Agent 的运行速度推到了一个新高度。据 B站UP主天机的实测,给它一个目标——比如查询机票——从输入指令到输出结果,全程只用了 7 秒,且强调是一倍速的原始录屏,并非加速处理。
速度提升从哪来
jev-ultrafast 的定位很明确:给浏览器 Agent 提速。它不需要人工拆解每一步操作,只要给出目标,它会自己选择操作、规划路径、一气呵成完成任务。
官方对比数据显示了实打实的提升:同样的订票任务,原版 BrowserUse 的中位耗时为 9.45 秒,而 jev-ultrafast 只需 7.09 秒,快了约四分之一。更关键的指标在底层——浏览器协议调用次数从 1092 次砍到了 101 次,接近一个数量级的削减。这意味着更少的往返通信开销,也是速度提升的核心原因。

浏览器协议调用次数是衡量浏览器自动化效率的关键指标。现代浏览器自动化框架(如 Playwright、Puppeteer)通过 Chrome DevTools Protocol(CDP)与浏览器通信,每一次点击、截图、获取 DOM 结构、输入文字都是一次协议调用。调用次数越多,意味着 Agent 与浏览器之间的往返通信越频繁,网络延迟和序列化开销累积后就直接反映为整体耗时。从 1092 次削减到 101 次,本质上是通过更聪明的批处理、减少冗余的页面状态查询,以及更精准的一次性操作定位,来避免传统 Agent「每步都确认一遍现场」的低效模式。
不是黑盒:可视化 Inspector
很多自动化 Agent 的最大痛点是决策过程不透明,出了问题难以排查。jev-ultrafast 在这方面做了针对性设计,内置了可视化 Inspector 工具。
它会把页面上的元素逐个编号,每一步选择了哪个元素、对应的置信概率是多少,全部摆在明面上。这种透明化的呈现方式让调试和信任成本都大幅降低,对于搭建自动化工作流的开发者来说,能清楚看到 Agent 每一步的判断依据,而不是面对一个只给结果的黑盒。

开源友好,模型不锁死
项目在 GitHub 上线仅 11 天,star 数增长很快,热度不低。授权方面采用 MIT 协议,对商业使用非常友好,这降低了企业和个人采用的门槛。
模型层面也保持了开放性,没有锁死在某个特定厂商。凡是兼容标准接口的模型都能接入,包括国产的 GLM、DeepSeek广告 等。对国内开发者而言,这意味着可以用成本更低、更合规的模型来驱动整套自动化流程。

12306 上翻车:复杂页面仍是短板
速度和透明度亮眼,但 jev-ultrafast 并非万能。社区实测在 12306 上就遇到了明显的翻车。
据天机复述的社区侦测结果,让它查询「北京到云阳」的火车票时出现了严重问题。12306 的城市建议列表是用普通的 Div 元素实现的,Agent 根本「看不见」这个下拉建议,于是陷入了死循环——连续 60 次动作全都在重复输入「北京」,最终 77 秒超出预算,查询失败。
这个 case 暴露了当前浏览器 Agent 的共性难题:面对非标准、依赖动态渲染或自定义交互的页面元素时,识别能力仍然不足。目前已经有修复 PR 提交,但尚未合并,问题暂未彻底解决。

这一问题的根源在于浏览器 Agent 感知页面的方式。多数 Agent 通过截图或 DOM 树解析来「看懂」页面,但动态渲染的自定义组件(如用普通 <div> 拼装的下拉建议框)往往缺乏语义标签(<select>、role="listbox" 等),Agent 的元素识别模型难以将其与可交互控件对应起来。12306 的城市联想列表正是此类情况——它在视觉上呈现为下拉框,但底层没有标准的表单控件语义,Agent 无法感知其出现,自然也无法触发选择操作,于是只能反复执行上一步,形成死循环。这类「视觉可见但语义不可达」的元素,是当前所有基于 LLM 的浏览器 Agent 的普遍盲区,并非 jev-ultrafast 独有的缺陷。
谁适合用,谁还用不上
综合来看,jev-ultrafast 的适用人群比较清晰。
如果你是想给浏览器 Agent 提速、搭建自动化工作流的开发者,它是一个值得尝试的工具——速度快、过程透明、模型选择自由、商用授权友好。
但如果你想把它当成一个「万能按键精灵」,指望它在任何网站上都能稳定跑通复杂操作,现阶段还用不上。12306 这样依赖自定义 Div 组件的复杂国内网站,仍然会让它踩坑。它更像一个快速成长中的专业工具,而非开箱即用的全场景方案。
项目名为 jev-ultrafast,在 GitHub 上可以搜到。对于关注浏览器自动化和 AI Agent 提速的人来说,值得持续关注它后续的迭代与 PR 合并进展。
相关推荐

AI+SRC自动化挖洞实战:用AI智能体重构漏洞挖掘三步法
本文详解AI+SRC自动化漏洞挖掘的完整思路,对比传统挖洞三步法与AI智能体加持后的变化,涵盖资产盘点、误报筛选、报告生成及AI Agent选型要点,助你高效入门SRC漏洞挖掘。

实测DeepSeek桌面Agent:0.35美元自动生成视频
海外博主实测DeepSeek桌面Agent(DeepSeek Harness):仅0.35美元自动生成完整视频,设置每日自动简报,两分钟从大白话构建可运行App。三项任务全部完成仅花0.59美元,附详细表现与成本分析。

Antigravity 2.0 保姆级教程:MCP、Skill与自动化全解析
Antigravity 2.0 保姆级教程,详解项目/会话/Agent 三大核心概念、消息队列与权限设置、自动化任务、MCP 连接 Figma、Skill 专业技能,并演示设计稿转代码、Android 应用生成、产品页 1:1 复刻等 6 个实战案例。