Browserbase 把 Playwright 提速一倍 80% 节省 token 背后的工程账

Browserbase 的工程师们最近给 Stagehand 跑了一轮基准测试，对比新版 Stagehand 和旧版 Playwright 在 Claude Sonnet 4 上的端到端脚本调用表现，结果是脚本运行速度提升 1.96 倍，每次调用平均节省 81% 的 token。这个数字背后是一组非常具体的工程决策。 其中一项刀砍在 DOM 序列化上。旧版 Playwright 把整个页面 DOM 转成纯文本重新喂给 LLM，新版 Stagehand 改用"差异 DOM"，只把上次状态之后变化的节点增量传给模型。Browserbase 公布的一组对比截图显示，在登录页这种 DOM 频繁重渲染的场景，差异序列化的传输体积只有完整序列化的 9%。这一步对 token 节省的贡献最大，因为 DOM 序列化是 LLM 调用前的主要 token 消耗源，传统浏览器自动化工具 70% 以上的 token 都花在这上面。

随后一处刀砍在元素定位策略上。Stagehand 引入了"语义指纹"机制，不重新依赖 CSS selector 或者 XPath，而是先让模型读一遍 DOM 摘要，推断出"页面里和登录按钮最匹配的视觉锚点"，重新让浏览器去查找这个锚点。这种策略在跨页面、跨组件的回归测试里把失败率从 14% 压到 3%，同时也减少了一旦选择器变化就需要重新调试脚本的工程成本。Selenium 用户最头疼的就是"开发改了一个 class 名，我的 200 个测试脚本全部失败"，Stagehand 的语义指纹机制在很大程度上绕开了这个问题。

再往后一处刀是把"等待页面渲染"的策略改成 polling+event。旧版 Playwright 默认硬等 5 秒网络空闲，新版在 DOMContentLoaded 之后就开始让模型读，网络空闲和模型推理并行执行。综合下来，一个典型的 7 步 E2E 脚本从 18.4 秒缩短到 9.3 秒。3 步的快速表单提交脚本从 8.1 秒缩短到 3.4 秒。脚本速度的提升对客户体验的改善非常直接，过去需要"开浏览器看脚本跑"才能确认结果，现在可以做到"按下按钮，10 秒内看完结果"。 节省 80% token 对商业模型的影响同样关键。Browserbase 的公开价目表显示，每次 Playwright 调用平均消耗 12，400 token，Stagehand 砍到 2，300 token，在 Claude Sonnet 4 的定价下相当于每次调用从 0.093 美元降到 0.017 美元，客户单位成本下降 82%。这种 token 经济学的突破，等于让 AI 浏览器自动化其中一项次有了和传统 Selenium 同价竞争的可能。Browserbase 的客户名单里过去六个月增加了 14 家之前长期用 Selenium 的中型 SaaS 公司，这些客户的 LTV 平均比 Browserbase 自带客户高 3.2 倍。 更深层的意义是，Stagehand 让"AI 浏览器自动化"从一个独立产品变成了"LLM 应用的标配模块"。过去客户需要为浏览器自动化单独付费，现在它变成了 Claude、GPT-4 这一类型模型客户端的内置能力。折射出 Browserbase 真正的竞争对手不是 Selenium，也不是 Cypress，而是 Anthropic、OpenAI 这些模型厂商是否会自己做浏览器自动化。如果 Browserbase 想长期活下去，它必须把"LLM 浏览器自动化"的体验做到模型厂商自带的浏览器功能之上。

从工程文化的角度看，Stagehand 的优化过程给整个 AI 浏览器自动化赛道立了一个标准。过去 Playwright、Puppeteer、Selenium 这一类型工具的优化目标都是"本地脚本跑得快"，Stagehand 把目标重新定义为"LLM 调用跑得省"，这个目标转换折射出 AI 时代的浏览器自动化工具和传统浏览器自动化工具已经是两个物种。Browserbase 押对了赛道，接下来 12 个月能看到越来越多的 AI 浏览器自动化公司冒出来，这个赛道的格局会和传统浏览器自动化完全不同。 对国内 AI 工具创业者来说，Stagehand 的优化路径给了一条清晰的方向：不要在"模型能力"上和 OpenAI、Anthropic 硬碰硬，要在"模型的应用层效率"上做文章。Browserbase 把 token 节省 81%，这个数字折射出 AI 浏览器自动化从"模型炫技"变成了"商业可用"，这种效率提升比任何模型升级都更让客户买单。

创业找资源，上乌鸦部落。