Browser-Use 邁入 1.0 時代:開源 AI 瀏覽器代理架構、BU 4.0 模型與計費實務解析
突破 12 萬顆星的開源瀏覽器代理框架 Browser-Use 推出 1.0.6 更新,改以 BU 4.0 作為預設模型,並結合持久型 Python REPL 與原生 CDP 控制,打造高穩定度網頁自動化工作流。
過去我們讓自動化程式操作網頁時,通常得仰賴 Playwright 或 Selenium 寫死每一個按鈕的 CSS 選擇器與 XPath;只要網站前端稍微改版或動態產生新的元件編號,整條自動化腳本就會立刻癱瘓。隨著大型語言模型具備視覺與語意理解能力,開源專案 Browser-Use 嘗試用另一種邏輯解決這個痛點:讓 AI 直接看懂網頁結構並決定下一步操作。
目前在 GitHub 上已經突破 12.1 萬顆星、採用寬鬆 MIT 授權的 browser-use/browser-use,在 2026 年 11 月中旬正式推進至 1.0.6 版本。這不僅代表專案 API 逐步邁向穩定,更伴隨著底層架構的重構與預設模型的重大切換——從過去主打低成本高速的 bu-fast,正式全面切換為推理能力更強的 bu-4.0。
不過,預設模型升級雖然提升了複雜網頁任務的成功率,卻也直接牽動了開發者的荷包。根據官方在 1.0.6 發布說明中的提醒,bu-4.0 的 Token 單價足足是過去預設模型的 15 倍。本文將拆解 Browser-Use 的核心執行架構、雲端與本地部署差異,以及導入前不可不知的模型計費與開發工具鏈整合細節。
Browser-Use 的核心架構如何運作?
許多人對 AI 瀏覽器代理的印象,還停留在「截圖給模型看,模型回傳一個點擊座標或按鈕編號」的單純迴圈。但在真實世界的網頁操作中,單靠預先定義好的 JSON 動作清單往往顯得捉襟見肘——例如遇到需要反覆翻頁比對價格、從表格萃取多筆欄位再填入另一個系統的任務時,傳統單步迴圈會消耗大量上下文並容易在半途迷失狀態。Browser-Use 在邁向 1.0 系列的架構演進中,改採更貼近軟體工程師習慣的執行模式,將大型語言模型、持久型 Python REPL(互動式直譯器環境)與原生瀏覽器控制協定結合在一起。
在這套架構下,模型不再只是被動挑選固定動作,而是能夠動態編寫 Python 程式碼片段與瀏覽器輔助函式,並在同一個持久運作的環境中連續執行與除錯。這意味著代理可以把暫存資料留在 Python 變數中,更靈活地處理多步驟表單填寫、條件判斷、跨分頁資料比對,甚至在遇到頁面載入延遲或彈窗干擾時自行調整等待邏輯,大幅減少過去因單步動作失敗而整段重來的資源浪費。
在底層通訊上,Browser-Use 直接透過 Chrome DevTools Protocol(CDP)與真實瀏覽器溝通,支援細粒度的點擊、捲動、執行原生 JavaScript、管理多分頁以及攔截網路請求事件。同時,新版核心也深度整合了 Pydantic AI 來處理結構化輸出與資料驗證,這讓開發者更容易把網頁抓取回來的非結構化資訊,穩定轉換成符合應用程式規範的強型別資料格式,並支援透過統一介面串接 OpenAI、Anthropic Claude、Google Gemini 或各類開源模型。

1.0.6 更新亮點與 BU 4.0 預設模型的成本陷阱
在 2026 年 11 月 16 日釋出的 browser-use==1.0.6 版本中,官方做了一個影響所有開發者的關鍵決策:當程式呼叫 Agent(task) 或 ChatBrowserUse() 而沒有明確指定模型參數時,系統現在會預設透過 Browser Use 閘道器呼叫 bu-4.0,並將預設推理模式設定為高強度(High Reasoning),取代原本中等推理強度的 bu-fast。
這項改動雖然讓開箱即用的任務完成率與抗干擾能力顯著提高,但官方也相當坦率地在更新日誌中發出成本警告。根據官方公布的定價基準,bu-4.0 的輸入與輸出計費分別為每百萬 Token 1.80 美元與 9.00 美元;相較之下,原本的 bu-fast 每百萬 Token 僅需 0.12 美元與 0.60 美元,兩者單價差距高達 15 倍。在官方提供的短任務測試對照中,同一項操作使用 bu-fast 僅花費 0.0014 美元,換成預設的 bu-4.0 則跳升至 0.022 美元。
為了讓團隊能在準確率與預算之間取得平衡,開發者可以依據任務難度在程式碼中手動覆寫參數:
| 模型參數選項 | 定位與適用情境 | 計費參考(每百萬 Input / Output Tokens) |
|---|---|---|
bu-4.0(1.0.6 預設) |
預設高推理強度,適合複雜多步驟網頁任務 | $1.80 / $9.00 |
bu-4.0-mini |
輕量級版本,適合簡單表單與低成本自動化 | 低成本分級(詳見官方模型文件) |
bu-4.0-pro |
旗艦推理選項,應對極端複雜或動態防禦網站 | 高階分級(詳見官方模型文件) |
bu-fast |
舊版預設模型,適合高速批次且預算敏感任務 | $0.12 / $0.60 |
如果團隊既有的自動化腳本沒有特別傳入 llm 參數,升級至 1.0.6 後帳單可能會在不知不覺中暴增。因此官方明確建議,若想保留原有的速度與費率結構,務必在初始化代理時手動加上 llm='bu-fast';若任務極為單純且對成本高度敏感,則可改用 llm='bu-4.0-mini',或直接傳入自備的第三方模型金鑰。
延伸閱讀:GitHub Copilot App 新增瀏覽器操作與 Azure DevOps:預覽功能怎麼開、權限怎麼管?
本地執行與 Browser Use Cloud 該怎麼選?
雖然 Browser-Use 本體是一個可完全在本地端運行的開源 Python 函式庫,但真正要把網頁代理大規模部署到雲端伺服器時,工程團隊往往會撞上一堵高牆:現代網站的反爬蟲偵測、人機驗證碼(CAPTCHA)、瀏覽器指紋辨識以及代理伺服器(Proxy)的維護成本。
針對這個痛點,專案團隊同步營運了託管服務 Browser Use Cloud,並與開源 SDK 深度整合。在 1.0.6 版本中,如果開發者在未設定 API 金鑰的情況下首次執行程式,系統會自動引導開啟 Browser Use 登入授權流程,並在取得同意後繼續執行;當程式啟動雲端瀏覽器時,終端機還會直接印出即時預覽連結(live-view link),方便工程師隨時點開觀看代理在遠端螢幕上的每一個操作細節。
在實務架構選擇上,如果任務僅限於企業內部系統(例如內網 ERP 填報、本機開發環境的端對端 QA 測試),在本地端或自建 Docker 容器中透過 CDP 控制無頭瀏覽器是最經濟且兼顧隱私的方案;團隊甚至可以直接搭配官方提供的 qa-use 範本,用自然語言排程執行自動化測試並在異常時發送告警。但若任務需要頻繁存取具備嚴格防護機制的公開網站,採用按小時計費的託管雲端瀏覽器與遠端代理 API(POST /api/v4/runs),結合內建隱身設定(Stealth)與住宅代理網路,通常能省下大量維護基礎設施的人力成本。
與 AI 寫碼代理結合:BrowserCode 與終端工作流
除了獨立運作的自動化腳本外,Browser-Use 近期另一個值得關注的發展方向,是成為 AI 寫碼代理(Coding Agents)的「眼睛與雙手」。過去像 Claude Code、Cursor 或 Codex 這類寫碼助手在幫工程師修改前端網頁後,往往只能憑空猜測畫面長什麼樣子,無法親自打開瀏覽器確認版面是否跑版、按鈕點擊後 Console 是否報錯,最後仍需仰賴人類開發者手動測試並貼回錯誤訊息。
透過 Browser-Use 提供的互動式終端介面(如 bcode 與 browser-use CLI)以及 browser-code 套件,寫碼代理現在可以直接從終端機啟動並操控真實的瀏覽器設定檔,親自點擊剛寫好的網頁元件、檢查網路請求回應與畫面狀態,再根據觀察到的真實結果回去修正程式碼。
值得一提的是,在 1.0.6 版本中,官方也特別修正了評估機制(Judge)容易脫離實際觀察結果的問題,確保代理的成敗判斷完全基於執行過程中真實擷取到的頁面狀態,避免模型產生「以為自己已經成功送出表單」的幻覺。同時,開發者也能透過內建的 browser-use feedback 指令直接回報邊緣案例或整合問題,協助核心團隊快速修補各種奇特網頁結構造成的相容性錯誤。
導入 AI 瀏覽器代理的實務治理建議
當企業或個人開發者準備將 Browser-Use 從本機實驗推進到每日自動執行的生產環境時,除了選擇合適的模型與執行環境外,還有三項實務邊界必須提前規劃。第一是帳號憑證與登入狀態的隔離:雖然代理能接管既有的瀏覽器設定檔以省去重複登入的麻煩,但切勿將存有個人銀行帳密或公司最高管理權限的主瀏覽器設定檔直接交給自動化代理操作,而應該建立專用的測試帳號與獨立設定檔,並搭配明確的權限範圍控制。
第二是任務預算與步數上限的設定:由於網頁載入偶爾會出現網路抖動或驗證彈窗,若未限制代理的最大重試次數與執行步數,搭配預設高推理強度的 bu-4.0 模型時,單一失控迴圈就可能消耗大量 Token。建議在設計代理流程時,先為每項任務設定明確的逾時與步數上限,並針對重複性高的固定流程,先用高階模型探索出穩定路徑,再降級改用 bu-fast 或輕量模型進行日常批次執行。第三則是人機協作的確認關卡:對於涉及金流結帳、寄出對外信件或刪除資料庫紀錄等不可逆操作,應在程式邏輯中強制安插人工確認點,確保自動化便利性不會演變成難以挽回的誤操作事故。
延伸閱讀:Vercel Parallel 網頁搜尋限時免費:Fast 模式到 1 月 31 日,哪些費用仍要算?
常見問題(FAQ)
升級到 Browser-Use 1.0.6 後費用變高怎麼辦?
由於 1.0.6 將未指定模型時的預設選項從 bu-fast 改為高推理強度的 bu-4.0,Token 單價提高至 15 倍。若任務屬於單純重複性操作,只要在初始化時明確傳入 llm='bu-fast' 或 llm='bu-4.0-mini',就能大幅壓低呼叫成本;也可以改接自有的 OpenAI、Claude 或本地開源模型。
Browser-Use 是完全免費開源的嗎?
Browser-Use 的核心 Python 框架採用 MIT 開源授權,任何人都可以免費下載、修改並搭配自己的 LLM 金鑰與本機瀏覽器運行。唯有使用官方提供的 Browser Use Cloud 託管遠端瀏覽器、代理網路或閘道器模型時,才需要依照實際用量計費。
它跟傳統的 Playwright 或 Selenium 有什麼差別?
Playwright 與 Selenium 需要工程師手動編寫固定的 DOM 選擇器與操作步驟,網站一改版腳本就容易失效;Browser-Use 則是讓 AI 模型即時讀取頁面結構與視覺狀態並動態生成操作邏輯,特別適合處理版面多變或需要語意判斷的網頁任務。
不設定 API 金鑰也能直接跑 Browser-Use 嗎?
如果在未設定金鑰的情況下直接執行預設參數,1.0.6 版本會自動開啟 Browser Use 登入頁面引導授權;若不想透過官方閘道器,只要在環境變數或程式中傳入自備的 OpenAI、Anthropic 或 Gemini 模型設定即可離線驗證運行。
企業團隊該如何控管瀏覽器代理的除錯與稽核紀錄?
建議在正式工作流中保留每一步的執行截圖、終端機日誌與雲端即時預覽連結,並將模型產出的結構化資料經過 Pydantic 驗證後再寫入內部資料庫,確保每筆自動化操作都有清楚的軌跡可循,方便工程人員在異常發生時快速回溯與修正。對於需要長期維運的企業流程,也可以定期將常見的錯誤樣態整理成回歸測試案例,搭配無頭瀏覽器在每次系統改版前自動驗證代理成功率。
總結
Browser-Use 邁入 1.0 時代,展現了開源瀏覽器代理從早期實驗玩具轉向穩定工程元件的成熟度。透過持久型 Python REPL 與原生 CDP 的結合,加上對 Pydantic AI 與寫碼代理工作流的深度支援,它讓網頁自動化不再被脆弱的選擇器綁死,而是真正具備跨頁面推理與自我修正的能力。
對準備導入的開發團隊來說,技術選型已經不再只是「能不能跑起來」,而是如何兼顧成本控制與系統穩定性。只要在初期就建立明確的模型分級策略——簡單重複性任務鎖定 bu-fast 或 bu-4.0-mini、遇到高難度動態頁面或複雜多步驟流程才啟用 bu-4.0,並根據目標網站的防護強度謹慎選擇本地容器或雲端瀏覽器,同時落實帳號憑證隔離、任務步數上限管理與關鍵操作的確認關卡,就能在可控的預算內發揮網頁代理的最大效益,讓自動化流程長期穩定創造價值。