文 | AIX 财经，作者 | 王璐，编辑 | 魏佳
继腾讯、阿里、百度、360、微软、谷歌、ChatGPT 等国内外科技巨头推出 AI 浏览器后，美团也加入了战局。
3 月 2 日，美团旗下光年之外团队上线 AI 浏览器 Tabbit，并开启免费公测，这一举动很快在业内引发广泛关注。
毕竟，与多数入局者不同，美团既没有浏览器产品的历史积累，也没有搜索业务作为基础设施，从" AI 原生"的定位直接切入这一赛道显得有些激进。
产品上线后不久，Tabbit 即卷入一场抄袭争议。独立开发者"梦溪睡了吗"指出，Tabbit 与其开源项目"陪读蛙"（ReadFrog）在界面设计、快捷键乃至内部文件名等方面高度相似，并质疑 Tabbit 未严格遵守 GPL 开源协议。随后，Tabbit 回应称对开源协议理解不足，已移除相关代码并开源了修改后的版本，双方几轮公开发声后，事件最终告一段落。
抛开争议，更值得关注的是美团的战略选择。在老牌搜索公司和 AI 创业公司扎堆的 AI 浏览器赛道，一家以本地生活起家的平台入局，是否具备胜算？更为重要的是，当 OpenClaw 这类系统级 Agent 已经开始直接操控电脑时，AI 浏览器是否还是一个有价值的入口？
Tabbit 实测：一款中规中矩的 AI 浏览器
AI 浏览器的概念，从去年开始升温。与传统浏览器的最大区别在于，面对用户抛出的问题，它往往会直接给出总结后的答案，而非甩出一串链接。
从技术路线上看，可以分成两类，一是集成技术路线，在管理网页的基础上，加上 AI 能力和 Chatbot 式交互，谷歌、微软以及国内绝大多数大厂属于这类；二是 AI 原生路线，在开发时就基于 AI 原生架构打造，国外代表为 Comet、Dia、Fellou AI、ChatGPT 的 Atlas，国内的 Tabbit 与夸克 AI 浏览器（以下简称夸克）也属于这类。
综合多位 Agent 从业者的说法，目前无论是集成路线还是原生路线，AI 浏览器功能的实现难度，大致可分为三个等级 :
初级：信息提取与结构化、精确操作与指令跟随；
中级：视觉 - 语言协同、多步规划与页面导航；
高级：长上下文记忆、自主决策与容错能力。
Tabbit 对外宣称具备智能对话、智能代理、标签组管理和快捷操作支持等主要功能。为了适配不同行业，它还提供妙招（Skill）和脚本（Script）功能：妙招功能允许用户将反复使用的提问方式、格式规范和工作流程保存为一键调用的快捷指令；脚本功能则让不懂编程的人也能轻松定制浏览器。这些能力基本符合当前 AI 浏览器产品的普遍形态，但整体来看并未展现出突破性创新。
为了更直观地了解其实际表现，「AIX 财经」选取了三个相同场景，对 Tabbit 与夸克这两款同属 AI 原生路线的产品进行测试。
场景一：让 AI 浏览器打开雪球网行情页面，提取今日涨幅前 10 的股票名称、代码、涨幅百分比，生成表格。
结果显示，Tabbit 完成了一半任务，给出了前十涨幅表格，但将范围自动缩小到了 A 股，夸克则在尝试自动化提取雪球网实时行情数据时出现了问题，显示无法直接提取。
Tabbit 成功提取但范围不准确
夸克直接显示无法提取
我们进一步降低指令难度。让它们访问豆瓣电影 Top250 页面（https://movie.douban.com/top250），提取前 10 部电影的电影名称、导演、上映年份、评分，生成 Markdown 表格。需要指出的是，夸克依托的是千问大模型和千问助手，且千问已深度融合到夸克中，执行回邮件、跨标签分析等众多智能化功能。
夸克整理的电影排名
Tabbit 整理的电影排名
测试结果显示，Tabbit 与夸克均成功完成了数据抓取并生成了表格，但两者输出的内容存在差异。在第三部电影《泰坦尼克号》的数据上出现了分歧。
核查后，我们发现该片在豆瓣的实际评分为 9.5 分，与 Tabbit 的抓取结果一致，夸克存在偏差。这一轮，Tabbit 表现更优。
场景二：让 AI 浏览器在京东、天猫、拼多多搜索 iPhone16Pro 256GB 的价格和库存，需识别现货、缺货、预售等不同表述，选择有货且价格最低的平台，加入购物车但不支付。
测试结果显示，Tabbit 与夸克均无法直接完成加入购物车的自动化操作，但两者呈现出不同的应对策略。
夸克明确提示无法直接访问电商平台，更无法执行加购操作，转而给出的代替方案是，根据公开资料整理了一份 iPhone16Pro 256GB 的各平台报价清单。
Tabbit 则呈现出"能访问但执行失败"的状态。界面显示其能够访问京东、天猫等平台，并结合了部分数据资料，生成了"加入购物车"的操作按钮。
然而，当用户点击执行该操作时，系统显示报错，实际并未完成加购流程。这表明 Tabbit 的 Agent 能力并不稳定，最终仍需用户手动跳转至电商平台完成购买。
Tabbit 显示系统错误
场景三：让 AI 浏览器连续 3 天上午 10 点打开某基金净值页面，并复制数字到表格上，如果网页打不开，等 1 小时再试；如果连续 3 次打不开，就放弃并报错。
夸克无法执行定时任务
Tabbit 无法执行定时任务
结果显示，Tabbit 与夸克均无法执行该任务，表示不具备定时任务和后台自动访问网页的能力。
综合三组测试结果可以看出，Tabbit 在信息提取和基础指令执行方面具备一定能力，但在复杂网页环境、跨平台操作等场景下，仍存在不足。这种表现也与当前 AI 浏览器整体的发展阶段相符，它们能在部分场景中提升效率，但距离真正的"数字员工"还存在明显差距。
既抢入口，也练 Agent
在不少从业者看来，当前无论是国内还是国外，AI 浏览器仍是一个技术复杂、尚未成熟的领域，商业模式也远未清晰。即便如此，美团依然选择推出 Tabbit，背后与其想要抢占 AI 时代的入口有关。
相比其在本地生活领域稳固的地位，美团在 AI 产品尤其是 C 端产品上的存在感始终不强。
近两年，美团在 B 端的 AI 应用上已取得一定进展，比如面向商家的 AI 应用有"袋鼠参谋"、"袋鼠管家"，但在面向普通消费者的 C 端，始终缺乏一款具有代表性的产品。无论是此前推出的 AI 助手" LongCat "，还是美团 App 内的智能搜索入口"问小团"，都未能形成明显的用户心智。
与此同时，AI 助手的竞争已经进入新的阶段。以字节跳动的豆包、阿里的千问、腾讯的元宝为代表的产品，正在从"能用"走向"好用"，并不断向具体场景延伸。大厂的竞争焦点已不再是谁的 AI 更聪明，而是看谁能成为用户日常使用 AI 的主要入口。
在这样的背景下，AI 浏览器成为一个被重新审视的形态。
与封闭的应用不同，浏览器天然连接整个互联网信息环境，这使其具备一种独特的能力：在同一界面中完成信息获取、决策参考乃至后续操作。叠加 AI 能力后，理论上可以让用户在浏览网页的过程中直接调用智能助手完成任务。
有技术人员以点奶茶举例，用户在千问 APP 中点奶茶，通常是通过 API 接口完成，只能获取阿里生态或合作方开放的结构化数据（如店名、价格、库存）。而 AI 浏览器模式一旦走通，可直接抓取网页上的公开信息，包括各外卖平台的实时价格，以及社交媒体上的用户评价做参考，最终让用户在一个界面内完成查看攻略 - 比价 - 下单的全流程。
当然，正如前文测试中的表现那样，这一能力距离完全成熟仍有距离。但对于像美团这样同时拥有大量商家资源与消费场景的平台来说，如果 AI 浏览器形态能逐步走通，未来确实有可能串联起庞大的 B 端商家与丰富的 C 端消费场景，构建起一个从信息决策到交易的完整闭环。
除了入口意义，AI 浏览器也是美团展示 Agent 能力的重要载体。
资深 Agent 领域专家赵江杰指出，Agent 技术已成为当前 AI 与软件行业最受关注的方向之一。对美团而言，公司需要一个合适的平台来展示其大模型在任务规划、自主执行等方面的能力，但美团 App 功能相对固化、场景集中，并非理想的测试环境。同时，美团还需权衡 Agent 的自主决策对平台现有商业模式（如广告分发和流量闭环）可能产生的冲击。因此，选择更通用、更开放的浏览器作为入口，自然成为技术落地的新方向。
同样还是以"点奶茶"为例，当用户向千问发出指令时，得到的通常只是一个直接的奶茶推荐结果，用户无法知晓其筛选和决策的过程，而 Tabbit 这类 AI 浏览器的核心优势在于，它能将任务执行过程可视化。即随着技术的成熟，用户可以亲眼看到 AI 是如何一步步操作的：先打开外卖平台页面，输入"奶茶"，然后根据设定的条件（如价格、评分）进行筛选，最终将选定的商品加入购物车。这种交互形式，比封闭的对话式响应更透明、更可信。
从技术布局来看，赵江杰认为，美团自研的 LongCat 大模型基础能力不错，但因为起步较晚，与国内头部梯队相比仍有一定距离，但其在 Agent 方向上投入坚决、聚焦明确，此次推出 Tabbit，是其将模型能力与实际应用场景结合的一次重要尝试。
AI 浏览器，没赶上好时候？
虽然 Tabbit 被视为美团的一次重要尝试，但从市场反馈来看，并没有在行业激起太大水花。
产品上线首日，不少业内人士试用后的评价是"与市面上现有的 AI 浏览器功能差异不大"；次日引发广泛讨论，则是因陷入了抄袭开源代码的争议。
但许多从业者认为，行业的冷静并不完全是 Tabbit 本身的问题，更重要的原因在于，当前行业的注意力已经发生转移。
近期，无论国内还是海外，AI 领域的关注焦点已明显转向能够深度操控操作系统的 Agent，讨论度最高的就是 OpenClaw。其展示出的广阔想象空间，让仍停留在应用层的 AI 浏览器显得声势不足。
简单来说，OpenClaw 这类产品的目标，是让 AI 像人一样操作整台电脑：打开软件、填写表格、发送邮件，甚至在不同应用之间完成复杂任务流程。
尽管技术路径不同，但在"替代人工完成重复操作"这一目标上，AI 浏览器与系统级 Agent 确实存在一定重叠。
比如，当用户需要处理一份数据表格时，AI 浏览器可以操作网页版 Excel，但如果任务涉及多个本地应用，例如处理 Excel 后再发送到微信，目前还难以独立完成。而 OpenClaw 可以直接操作本地 Excel 文件，并在不同软件之间切换，完成整个流程。
这种能力差异的背后，是两类产品在技术架构上的不同。
许多 AI 浏览器执行操作时，会截图再由视觉模型理解画面，最后决策并执行这一套流程，需花费较长时间。
而且在处理图表、游戏等复杂页面时，由于无法解析底层代码，只能依赖像素猜测，导致结果准确率大大降低。此外，各大网站的防爬机制也限制了浏览器的自动化操作。
相比之下，OpenClaw 选择了一条不同的技术路径。它并非 AI 浏览器，而是一个运行在本地的通用 AI Agent，其核心能力之一是控制浏览器。它的独特之处在于，并非依赖多模态视觉模型对页面截图进行理解，而是通过获取系统的"辅助功能树"（Accessibility Tree）快照来解析页面。这些快照会转换为包含按钮、链接、文本框等元素的文本化页面结构描述，大语言模型（LLM）通过阅读这些文本来"看见"并理解界面。
简而言之，如果说传统 AI 浏览器是从"系统外部"猜测界面，那么 OpenClaw 则是从"系统内部"直接理解界面。这种更接近底层、更结构化的理解方式，也是许多用户感觉 OpenClaw 表现更为智能的主要原因。
不过，能力越强，也意味着更高的风险与门槛。
一方面，系统级 Agent 需要获得更高的操作权限，一旦指令理解出现偏差，就可能造成误操作，造成失控风险。有用户曾报告其 OpenClaw 因指令异常，自动删除邮箱邮件，这也让安全问题成为业内讨论的焦点。
另一方面，OpenClaw 的使用门槛也较高。其部署过程复杂，对普通用户不够友好，甚至催生了从数百元到数千美元不等的付费教安装服务。而且持续调用大模型 API 将产生高昂费用，一些重度用户每月开销可达数百美元，被戏称为"贷款上班"。
从更长远的视角看，AI 浏览器与系统级 Agent 或许并不是简单的替代关系，而更像是 Agent 发展的两条不同路径：前者依托浏览器这一成熟入口，更容易触达普通用户并快速规模化；后者能力边界更大，但在安全、成本上仍有门槛。
在这样的行业背景下，Tabbit 的处境也颇为微妙。它既是在探索 AI 浏览器这一尚未定型的赛道，也不得不面对一个现实，行业注意力正被更具想象空间的系统级 Agent 所吸引。Tabbit 能否突围，就得看产品进化的速度能不能跟得上大家的期待了。
明辉优配提示：文章来自网络，不代表本站观点。
