Jev Ultrafast: el agente de Browser Use que navega la web por ti

, resumía

al compartir

, el agente de navegación que acaba de publicar Browser Use. El repo ya pasa de 3.300 estrellas a menos de 48 horas de su creación.

Un ciclo de decisión, no una captura de pantalla

La apuesta técnica del proyecto es concreta: en lugar de mandarle al modelo una captura de pantalla en cada paso —caro y lento—, Jev construye una tabla indexada de los controles HTML/ARIA visibles en la página y le pide al modelo que elija, en una sola llamada, qué operación ejecutar (CLICK, TYPE_TEXT, SELECT, SCROLL_UP/DOWN, WAIT, DONE, BLOCKED) y sobre qué elemento de la tabla. Antes de ejecutar, valida que el objetivo siga siendo el correcto —que no esté tapado por otro elemento o haya quedado obsoleto— para evitar errores por cambios de página entre la decisión y la acción.

Cuando hace falta generar texto (escribir una ciudad en un buscador de vuelos, por ejemplo), delega esa parte en un modelo de lenguaje más pequeño y rápido, separando “decidir qué hacer” de “redactar qué escribir”.

Los números, con matices del propio equipo

Browser Use publica una comparación directa entre la versión anterior del agente y esta optimizada, sobre la misma tarea (buscar un vuelo en Google Flights), mismo perfil de Chrome y mismo modelo de texto:

Son solo tres pares de ejecuciones —seis en total, alternando ambas versiones— y el propio README lo señala: insuficiente para una afirmación estadística sólida (p=0,25 en un test de signos de dos colas), y una comparación de un caso controlado, no un benchmark amplio de agentes. Vale como demostración de dirección, no como cifra definitiva.

Cómo lo recibió la comunidad

El lanzamiento llegó también a Hacker News, con 87 puntos y opiniones divididas. Quien lo probó destacó la utilidad de decidir con una sola llamada para “clasificación, ramificación programática, decisiones en tiempo real… un orden de magnitud más rápido y barato”. La crítica más repetida fue la dependencia de servicios cloud de pago (TypeSafe, Mercury): varios pedían una versión que corriera en hardware de consumo sin pagar “impuesto de IA” a un proveedor por cada acción. Hubo también reportes de fallos concretos en la demo pública, con indicaciones del propio autor para reproducirla bien.

Por qué importa más allá del repo

La pregunta que lanzaba Erick en su hilo —qué pasa con las páginas que viven de estar en el puesto 1 de Google cuando quien “busca” es un agente, no una persona— no la responde este repositorio, pero sí ilustra por qué el diseño importa: un agente que resuelve una tarea en 101 llamadas al protocolo del navegador en vez de 1.092 es barato de ejecutar a escala, lo que baja la barrera para automatizar exactamente ese tipo de navegación que hoy depende de que un humano abra Google y haga clic en el primer resultado. Encaja con el mismo movimiento que ya vimos con herramientas que recortan lo que un agente necesita leer para actuar: menos tokens y menos llamadas por tarea, no modelos más grandes.