TinyFish Web Agent、Webタスクベンチマークで競合を上回る
TinyFishウェブエージェントは、複雑なウェブタスクの解決において優れたツールであることが証明され、136のライブウェブサイトにわたる300のタスクからなるOnline-Mind2Webベンチマークにおいて、困難なタスクで81.9%の成功率を達成しました。この数値は、OpenAI Operatorのような主要な競合が同様のタスクでわずか43.2%の成功率しか達成できなかったことと、鮮明に対照的です。
Online-Mind2Webベンチマークは、ウェブエージェントの能力を厳密に測定するもので、マリオットでのクレジットカードオファーの閲覧といった簡単なタスクから、動的価格設定でのイベントチケット予約といった複雑な課題まで、幅広いタスクでテストします。タスクには、フォーム検証やポップアップの処理を含むライブウェブサイトでの複数ステップが含まれており、WebVoyagerのような信頼性の低い他のベンチマークと比較して現実的なテストとなっています。
TinyFishは、複合エラーを効果的に処理することで他と差別化しています。簡単なタスクから困難なタスクへの低下はわずか15.6ポイントであり、他のシステムに見られる大幅な低下と比べて、実世界のシナリオにおける堅牢性が際立っています。特に、apartments.comのようなサイトで遭遇したインフラレベルのアンチボットブロックを含む40の失敗例も含む、300のタスク実行すべてを公開しており、その性能特性と失敗ケースについて透明性を提供しています。
堅牢なウェブ自動化ツールを探している開発者は、TinyFishのオープンソースクックブックリポジトリに興味を持つでしょう。これは、そのアーキテクチャと実行方法論に関する洞察を提供します。
📖 全文を読む: HN AI Agents
👀 See Also
6つの役割、記憶、ADHD対応設計を備えたOpenClaw AIエージェント：日常業務の内訳
ADHDを持つ個人開発者が、6つの役割（アクションプランナー、デブリーファー、ライター、法務、調査、CRM）を持つオープンソースAIエージェントを構築。メモリを共有し、トランスクリプトからフォローアップやドラフトを自動生成する。
Eden AI: AIモデルのための欧州APIハブ – OpenRouterの代替として方向転換
Eden AIは、スマートルーティング、フォールバックメカニズム、リージョンコントロールを備え、500以上のAIモデル（LLM、ビジョン、OCR、音声）にアクセスできる単一の統一APIを提供します。OpenRouterの欧州版として位置づけられています。
カナリア：コード変更に基づく自動テストのためのAI QAエージェント
カナリアは、コードベースを読み込み、プルリクエストの差分を分析し、影響を受けるユーザーワークフローに対してエンドツーエンドのテストを生成するAI QAエージェントです。プレビュー環境に接続し、テストを実行し、結果を録画とともにPRに直接コメントします。
コールドバリデーションアーキテクチャ：デュアルエージェントコードレビューシステムをオープンソース化
オープンソースのシステムは、コード検証のために2つの独立したAIエージェントを使用します：1つはコードを構築し、もう1つは構築者の推論についての文脈を一切持たずにコードをレビューします。レビュアーは計画文書、コード差分、テスト出力のみを参照します。