Gemini Spark 搬进了你的 Chrome 配置文件，而那道交还控制权的线划错了地方
Google 的智能体如今驾驶你正登录着的那个 Chrome，能取用你保存的密码，并在付款时把控制权交还给你。可付款恰恰是唯一带着拒付窗口的动作；邮箱被读、数据被拷走、找回地址被改掉，全在那条线的无人值守一侧。
AI 博客
标签: browser-agents
Cloudflare 的 Kitesurf 让浏览器便宜到可以用完就扔
被引用的数字是 CPU 与内存比 Chromium 少 3–7 倍。但真正值得据以规划的推论是：每个任务一个全新浏览器，不再是一笔要靠复用会话摊销掉的成本——而会话复用正是浏览器智能体状态泄漏的所在。你为此付出的代价，是一条会静默失败的兼容性长尾。
Browserbase vs Steel vs Hyperbrowser vs Anchor Browser：你选的是谁持有那个会话
四家都讲 CDP，所以自动化代码一天就能搬走，SDK 对比什么也决定不了。真正的选择是：谁持有已登录的 profile、谁持有重建它所需的凭据，以及你继承的是谁的出口 IP 信誉——外加一个事实：它们之间的延迟差距全部来自控制面。
Atlas 将于 8 月 9 日关停：智能体浏览就此一分为三
OpenAI 将在上线九个月后关停 ChatGPT Atlas 浏览器，把它的能力拆进一个 Chrome 扩展、一个应用内浏览器与一个服务端云浏览器。这不是从智能体浏览撤退——这是承认浏览器智能体从来不需要一个浏览器。它需要的是贴近一个已登录的会话，而这三个替代形态，正是"借用谁的会话"这个问题的三个不同答案。
Browser-Use、Stagehand、Skyvern 与 Playwright MCP：LLM 该如何操作网页的四种答案
当没有 API 时，智能体只能自己操作浏览器——而四个开源项目对"它该如何看页面"意见相左。browser-use 读取 DOM，Skyvern 看像素，Stagehand 让你在代码与 AI 之间自由调节，而 Playwright MCP 根本不是智能体，而是任何模型都能调用的标准浏览器工具层。选其一其实是两个决定：Python 还是 TypeScript，以及框架还是 MCP 服务器。
Claude Computer Use（收购 Vercept 后）、Codex 后台 CU、Operator 与 Gemini：四种让 AI 自己操作鼠标的下注方式
在 OSWorld 上拿到 72.5% 已经是地板而非里程碑——而三家实验室在"鼠标应该跑在哪里"这件事上做了架构上完全相反的下注。选错了就要永远跟自己的沙箱搏斗；选对了，模型两分钟能做完你 RPA 栈两周的活。