86,7% на Online-Mind2Web и 60,1% на Odysseys. Новый Webwright от Microsoft уже бьёт старые подходы к веб-автоматизации. И делает это без тяжёлых фреймворков и «магии под капотом».
Главная идея простая: агент не «живёт» внутри вкладки браузера. Он пишет Python-скрипт, запускает браузер при необходимости и доводит задачу до результата.
Браузер больше не центр мира, теперь центр — рабочая папка с кодом
Большинство веб-агентов идут шаг за шагом. Увидел страницу, кликнул, снова посмотрел, снова кликнул. Это медленно и часто ломается на длинных сценариях.
Webwright работает иначе. Модель пишет код, выполняет его, проверяет скриншоты и чинит ошибки. То есть действует как инженер, а не как «кликер».
- state (состояние) хранится в файлах: код, логи, скриншоты.
- Браузер можно запускать заново хоть 10 раз под одну задачу.
- История работы превращается в один переиспользуемый скрипт.
- Меньше ручных микрошагов, больше осмысленной автоматизации.
Это особенно заметно в длинных задачах. Например, поиск рейсов, заполнение форм, сверка данных в нескольких сервисах.
Что именно выпустили за неделю и почему это важно
Проект открыли публично 4 мая 2026. База компактная: около 1,5 тыс. строк кода. Для такого класса систем это очень мало.
Уже 6 мая добавили плагины для Codex и Claude Code. Плюс интеграции с OpenClaw и Hermes через общий каталог skills.
11 мая появился режим Task2UI. Агент не только делает задачу, но и рендерит результат в HTML-приложение, которое удобно открыть и переиспользовать.
- Поддерживаются OpenAI, Anthropic и OpenRouter.
- Рабочая среда построена на Playwright.
- Запуски сохраняют артефакты: траектории, скриншоты, отчёты.
- Есть мини-дашборд на Flask для повторяемых задач.
По сути, Microsoft дала не просто демо. Она дала «скелет» для практичной браузерной автоматизации, который легко отлаживать.
Почему «код как действие» оказался сильнее старой схемы
Раньше агент часто предсказывал координаты клика на скриншоте. Это похоже на игру в «попади в пиксель». Любой сдвиг интерфейса, и всё едет.
Webwright опирается на код и проверки условий. Он ждёт нужный элемент, обрабатывает lazy loading (ленивая подгрузка), переживает re-rendering (перерисовка интерфейса).
На длинной дистанции это снижает накопление ошибок. Меньше случайных промахов, больше повторяемости.
- На Odysseys: 60,1% против прежнего SOTA (лучший результат) 44,5%.
- Прирост: +15,6 п.п. к прошлому лидеру.
- Против базового GPT-5.4 с координатами: +26,6 п.п..
- В среднем 76,1 шага на задачу в длинных сценариях.
Даже небольшие модели выигрывают, когда есть готовые инструменты. В примерах упоминается Qwen-3.5-9B, который справляется заметно лучше с набором CLI-утилит.
Как применить это прямо сейчас в бизнесе и разработке
Если вы предприниматель, это путь к дешёвой автоматизации рутины. Не нужен огромный RPA-комбайн с годовой подпиской и долгим внедрением.
Если вы маркетолог, можно автоматизировать мониторинг цен, вакансий, промо-страниц и сбор табличных сводок. Если разработчик, вы получаете прозрачный код и контроль.
- Ставите Python 3.10+ и Playwright Chromium.
- Запускаете задачу из CLI одной строкой.
- Получаете скрипт, логи, скриншоты и итоговый артефакт.
- При необходимости превращаете сценарий в параметризованный CLI-инструмент.
Для команд с Claude Code или Codex вход ещё проще. Устанавливаете плагин через marketplace и вызываете задачу обычным текстом.
Ссылки на проект и материалы: GitHub Webwright, Project Page.
Куда всё это движется
Рынок уходит от «агента, который кликает» к «агенту, который программирует процесс». Это тихий, но огромный сдвиг.
Следующий этап очевиден: у бизнеса останутся не хаотичные истории браузера, а библиотека надёжных сценариев, которую можно запускать по кнопке.
И победят не те, у кого больше кликов, а те, у кого лучше код автоматизации.