浏览器 Agent 读图表的成本实测

浏览器 Agent 从图表里找数字，应该沿着曲线逐点悬停，还是直接读取背后的数据？作者用 opencli 和 claude-in-chrome 做了 12 次同任务测试：答案全部正确，但 opencli 的总费用和 token 用量都少了 45%。

差别来自取数路径。一个工具让 Agent 更容易调用 API、下载 CSV，另一个让它更自然地操作鼠标、读取提示框。对需要自动查数据的程序员，这个小实验值得看的，是工具接口如何影响模型的选择，以及调用轮数如何放大成本。

同样答对，为什么取数过程差这么多

作者此前在五项只读任务中测得，opencli 比 claude-in-chrome 少花 62%。这次补测的是上一轮没覆盖的场景：数据藏在图表里。

测试包含两道题：

• 在 Wikimedia pageviews 中查询「Prompt engineering」词条 2026 年 9 月的访问峰值。Wikimedia REST API 给出的答案是 9 月 23 日，736 次浏览。
• 在 Our World in Data 中查询印度尼西亚 2000 年和 2020 年的预期寿命。OWID CSV 中的数值分别是 66.3 和 68.8。

第一题的图表使用 canvas，aria-label 只列出前 10 天，无法仅靠这段无障碍文本找到全月峰值。第二题使用 SVG，并提供 Table 标签页。

每个工具对每道题各跑三次，共 12 次。所有运行都使用全新的无界面 Claude Code 会话，通过 claude -p 启动，使用 Sonnet，最多 40 轮，只允许使用一种浏览器工具；每次重复测试交替安排工具顺序。费用和 token 来自 API 返回的实际计费记录。

12 次全部答对。可见，这次测出的主要差异是完成任务的成本，而不是答案准确率。

工具让哪条路顺手，Agent 就更可能走哪条路

claude-in-chrome 选择操作图表：把指针移到数据点，读取提示框里的数值。查 pageviews 峰值时，它需要沿着曲线寻找最高点。

opencli 的六次运行全部绕过了图表。在 pageviews 页面中，它从页面内调用 Wikimedia API；在 OWID 中，它获取 CSV 导出数据。

作者没有把图表图片直接交给任何一个工具。具体走哪条路径，是 Agent 自己选的，但工具提供的操作方式影响了这个选择：页面文本和 fetch 容易获取，就方便走数据接口；截图和指针操作容易使用，就容易逐点悬停。

给 Agent 什么操作能力，也是在影响它如何解决问题。

这里不能直接推导出「opencli 更懂图表」。实验观察到的是，它在这两道题里都找到了图表背后的数据源，并成功利用了这些数据源。

为什么少几次悬停，就能省下不少费用

作者解释，两组实验的每次模型调用都要重新读取约 30k tokens 的基础上下文。因此，调用轮数占了大部分账单。逐点悬停可能需要十几轮，一次 fetch 则可能用一轮拿回所需数据。

这也是为什么操作看起来只多了几个鼠标动作，模型侧的开销却可能明显增加。页面工具返回结果后，模型还要再次读取上下文，决定下一步。

不过，45% 的费用降幅需要结合缓存看。pageviews 的第三次运行，两种工具的费用分别只有 $0.067 和 $0.068，约为前两次的十分之一；OWID 中 claude-in-chrome 的第三次运行也降到了 $0.066。

这些运行的 token 数没有减少，只有费用下降。作者推测是前一次运行让提示词缓存变热，但没有确认。总费用仍按实际账单计入这些结果。因此，45% 的 token 降幅是另一个有用信号，不能只盯着费用百分比。

我的判断

我认同作者的工程取舍：如果任务是查数字，应该优先让 Agent 找结构化数据，再把视觉读取作为后备路径。API 和 CSV 能直接给出数值；图表悬停则需要多次交互，查峰值这类任务尤其容易拉长流程。

但这不是通用工具排名。样本只有两道题，每个工具各跑三次，而且两个网站都公开提供数据。对于只有像素、没有可用 API 或导出的图表，作者尚未测试，也没有证据说明 opencli 仍有优势。

两组采用不同操作路径后的实测结果，支持「数据路径可能更省」；它没有隔离验证工具接口为何导致这种选择，也没证明其他模型、站点和任务能复现同样幅度。Sonnet 的具体版本，原文也没交代。

能拿来做什么

• 给浏览器 Agent 设计工具时，同时提供页面文本读取和 fetch 能力，让它有机会发现并调用页面背后的数据接口。
• 编写查图表数字的任务指令时，可以要求先找 API、CSV 或表格入口，找不到再使用悬停和视觉读取，并保留最终采用的数据来源。
• 比较浏览器工具时，把答案正确率、调用轮数、token 和实际费用一起记录；遇到费用骤降但 token 不变的情况，检查是否存在缓存影响。
• 为自己的工作流补一组「只有图片、没有数据导出」的任务，确认数据路径失效后，Agent 还能否完成查询。