Heutzutage steuern die meisten Webagenten einen Browser jeweils eine Aktion nach der anderen. Das Modell empfängt den aktuellen Seitenstatus – als Screenshot oder DOM-Textual content – und sagt den nächsten Klick, Tastendruck oder Bildlauf voraus. Dieses aktionsbasierte Design machte Sinn, als Sprachmodelle nur über begrenzte Argumentationsfähigkeiten verfügten. Da Modelle besser in der Lage sind, Code zu schreiben und zu debuggen, ist diese starre Schleife eher zu einer Einschränkung als zu einer hilfreichen Struktur geworden.

Das AI Frontiers-Labor von Microsoft Analysis hat einen anderen Ansatz entwickelt. Ihr neues Open-Supply-Framework, Webwrightgibt dem Agenten ein Terminal anstelle einer zustandsbehafteten Browsersitzung. Der Agent schreibt Playwright-Code zur Steuerung von Browsern, führt Bash-Befehle aus, überprüft Protokolle und verfeinert iterativ Skripte. Playwright ist eine Open-Supply-Browserautomatisierungsbibliothek, ebenfalls von Microsoft, die die programmgesteuerte Steuerung von Chromium-, Firefox- und WebKit-Browsern unterstützt.

Was Webwright anders macht

Webwright trennt den Agenten vom Browser und behandelt den Browser als etwas, das der Agent starten, prüfen und verwerfen kann, während er ein Programm entwickelt. Das persistente Artefakt ist nicht die Browsersitzung, sondern der Code und die Protokolle im lokalen Arbeitsbereich.

Dies ist das gleiche Modell, das ein Entwickler beim Schreiben eines RPA-Skripts (Robotic Course of Automation) verwendet. Anstatt jedes Mal manuell durch eine Website zu klicken, schreiben sie einmalig ein Skript. Dieses Skript kann erneut ausgeführt, angepasst und geteilt werden. Webwright wendet dies auf LLM-basierte Agenten an.

Das System hat drei Kernkomponenten: ein Runner, ein Modellendpunkt und eine Terminalumgebung. Der Runner umfasst etwa 150 Zeilen Code, die Modellschnittstelle etwa 550 Zeilen und die Umgebung etwa 300 Zeilen. Es gibt keine Multi-Agenten-Orchestrierung oder komplexe Planungshierarchie – nur eine einzelne Agentenschleife.

Der gesamte Zwischencode, alle Protokolle, Screenshots und Ergebnisse werden im Arbeitsbereich gespeichert, sodass jeder Lauf leicht zu überprüfen ist.

Die Agentenschleife

Der Runner sendet den aktuellen Kontext an das Modell. Das Modell gibt einen Denkblock und einen Shell-Befehl zurück. Dieser Befehl wird in der Umgebung ausgeführt, die Terminalausgaben, Protokolle, Screenshots oder Fehlerrückverfolgungen zurückgibt. Diese Beobachtungen werden wieder in den Kontext gebracht und die Schleife geht weiter.

Anstatt jeweils eine einfache Aktion auszuführen, kann ein Codierungsagent auf natürliche Weise mehrstufige Interaktionen – wie die Auswahl eines Datums oder das Ausfüllen eines gesamten Formulars – als kompaktes Programm ausdrücken. Schleifen, Funktionen und Abstraktionen ermöglichen es dem Agenten, über ähnliche Aufgaben hinweg zu verallgemeinern, ohne wiederholt ähnliche Abfolgen von Schritten auf niedriger Ebene vorherzusagen.

Zwei technische Herausforderungen

Vorzeitiges „erledigt“ und Kontextexplosion sind die beiden Kernthemen. Bei Bash-Aktionen mit offenem Ende muss das Modell selbst den Abschluss melden und behauptet oft, dass es erfolgreich sei, ohne es tatsächlich abzuschließen. Sie fügten ein Gate hinzu: Der Agent muss eine Selbstreflexionskonfiguration generieren, ein endgültiges Skript in einem neuen Ordner mit Protokollen und Screenshots ausführen und sein eigenes Selbstreflexionsurteil fällen, das vor der Ausgabe Erfolg oder Misserfolg ausgibt finished: true. Andernfalls wird die Markierung gelöscht und es wird ein neuer Versuch unternommen.

Was die Kontextlänge betrifft, überschreiten lange Codierungsverläufe schnell die Kontextgrenzen, sodass der Verlauf alle 20 Schritte in einer einzigen Zusammenfassung komprimiert wird.

Benchmark-Ergebnisse

Webwright wurde anhand von zwei Benchmarks bewertet: On-line-Mind2Web und Odysseys.

On-line-Mind2Web enthält 300 Aufgaben auf 136 weit verbreiteten Web sites und verwendet ein automatisiertes LLM-as-a-Decide-Bewertungsframework. GPT-5.4 erreicht eine Gesamtgenauigkeit von 86,67 % und stellt damit die höchste unter allen Open-Supply-Harness-Rezepten in der AutoEval-Kategorie des On-line-Mind2Web-Benchmarks mit einem Funds von 100 Schritten dar. Claude Opus 4.7 erreichte insgesamt 84,7 %, schnitt aber bei schwierigen Aufgaben mit N=100 Schritten besser ab – 80,5 % gegenüber 76,6 % für GPT-5.4.

Sie reproduzierten außerdem eine GPT-5.4-Basislinie in einer herkömmlichen, auf Screenshots basierenden Agenteneinstellung, bei der das Modell XY-Koordinaten für Klicks und Tippaktionen vorhersagt. Unter Verwendung desselben zugrunde liegenden Modells erzielt Webwright in allen drei Schwierigkeitskategorien erhebliche Fortschritte, was den Vorteil des codegesteuerten terminalbasierten Ansatzes gegenüber der schrittweisen Koordinatenvorhersage hervorhebt.

Odysseys wertet Shopping-Aufgaben über einen langen Zeitraum aus, die sich über mehrere Web sites erstrecken. Die Aufgaben umfassen durchschnittlich 272,3 Wörter an Anweisungen. In der Rangliste vom April 2026 battle das Modell Opus 4.6 mit einer Höchstpunktzahl von 44,5 das leistungsstärkste Modell. Webwright powered by GPT-5.4 erreicht 60,1 %, was einer relativen Verbesserung von 35,1 % gegenüber dem vorherigen Stand der Technik entspricht. Im Vergleich zur GPT-5.4-Basisleistung von 33,5 % entspricht dies einer relativen Verbesserung von 79,4 % – oder 26,6 absoluten Punkten.

Kostenanalyse

Claude Opus 4.7 ist hinsichtlich der Anzahl der Schritte zur Lösung jeder Aufgabe effizienter (durchschnittlich 21,9 Schritte) im Vergleich zu GPT-5.4 (durchschnittlich 26,3 Schritte). Allerdings ist Claude Opus 4.7 im Vergleich zu GPT-5.4 deutlich teurer (5 $ vs. 2,50 $ professional 1 Mio. Enter-Tokens und 25 $ vs. 15,00 $ professional 1 Mio. Output-Tokens, April 2026), wodurch die durchschnittlichen Kosten professional Aufgabe im Vergleich zu GPT-5.4 höher sind (2,37 $ vs. 6,09 $). Die ersten 50 Schritte liefern eine Genauigkeit von 82 % und die nächsten 50 Schritte liefern 3–4 zusätzliche Punkte.

Kleine Modellleistung

Das Forschungsteam testete Qwen3.5-9B auch auf dem Exhausting Cut up von On-line-Mind2Web. Wenn Aufgaben mit vorgefertigten wiederverwendbaren Device-Skripten erweitert werden, erreicht Qwen3.5-9B 66,2 % auf On-line-Mind2Web-Web sites mit mehr als fünf Instruments. Dies zeigt, dass kleinere, kostengünstigere Modelle in Kombination mit einer vorgefertigten Toolbibliothek komplexe Webaufgaben bewältigen können.

Der visuelle Erklärer von Marktechpost

# GitHub repository
github.com/microsoft/Webwright

# Verify your Python model
python --version
# Should return Python 3.10 or greater

# 1. Clone the repository
git clone https://github.com/microsoft/Webwright
cd Webwright

# 2. Set up the package deal in editable mode
pip set up -e .

# 3. Set up Chromium for Playwright
playwright set up chromium

# Export your key
export OPENAI_API_KEY="sk-..."
export ANTHROPIC_API_KEY="sk-ant-..."

# Run a activity
python -m webwright.run.cli 
  -c base.yaml -c model_openai.yaml 
  -t "Discover least expensive economic system flight SEA to JFK on 2026-05-15" 
  --start-url https://www.google.com/flights 
  --task-id demo_openai 
  -o outputs/default

# Challenge-scoped (inside this repo solely)
mkdir -p .claude/abilities .claude/instructions
ln -s "$PWD/abilities/webwright" .claude/abilities/webwright
ln -s "$PWD/abilities/webwright/instructions" .claude/instructions/webwright

# Consumer-scoped (all initiatives)
mkdir -p ~/.claude/abilities ~/.claude/instructions
ln -s "$PWD/abilities/webwright" ~/.claude/abilities/webwright
ln -s "$PWD/abilities/webwright/instructions" ~/.claude/instructions/webwright

# One-shot activity
/webwright:run search Google Flights SEA to JFK 2026-05-15

# Reusable parameterized CLI device
/webwright:craft search a ticket from LAX to SFO depart June 7

Wichtige Erkenntnisse

• Webwright verwendet eine Terminalschleife, in der der Agent Playwright-Code schreibt und ausführt, anstatt jeweils eine Browseraktion vorherzusagen.
• GPT-5.4 erreichte 86,7 % bei On-line-Mind2Web (100-Schritte-Funds) und 60,1 % bei Odysseys – 26,6 Punkte über dem GPT-5.4-Basiswert von 33,5 %.
• Der Kabelbaum umfasst ca. 1.000 Leitungen in drei Modulen ohne Multi-Agent-Orchestrierung.
• Qwen3.5-9B erreichte 66,2 % beim harten Cut up von On-line-Mind2Web, wenn es mit vorgefertigten Device-Skripten erweitert wurde.
• Aufgabenskripte werden als wiederverwendbare CLIs gepackt und können von Claude Code, Codex und OpenClaw gemeinsam genutzt werden.

Schauen Sie sich das an Repo Und Technische Particulars. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 150.000+ ML SubReddit und Abonnieren Unser Publication. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Möchten Sie mit uns zusammenarbeiten, um Ihr GitHub-Repo ODER Ihre Hugging Face Web page ODER Produktveröffentlichung ODER Ihr Webinar usw. zu bewerben? Vernetzen Sie sich mit uns

Bild vom Autor

Sie und Ihr Unternehmen sind „datengesteuert“, oder? Das bedeutet sicherlich, die ausgefeilteste Technologie für den Umgang mit Daten einzusetzen. Das Vorhandensein einer Datenbank und deren Abfrage mit SQL scheint in dieser Welt eine Mindestanforderung zu sein.

Was aber, wenn es Fälle gibt, in denen eine einfache Tabellenkalkulation eine sorgfältig geschriebene Abfrage um Längen übertrifft? Hier sind einige Situationen aus dem wirklichen Leben.

Bild vom Autor

1. Ihre Daten sind klein und/oder einmalig

Beispiele für solche Daten sind:

• Eine CSV von einem Anbieter
• Ein Finanzmodell mit einigen hundert Zeilen
• Eine einfache Budgetprognose
• Ein Aufgaben-Tracker

Bild vom Autor

Es wäre quick bizarr, solche Daten in eine Datenbank zu laden und ein paar Abfragen auszuführen. Es ist übertrieben. Öffnen Sie es in Excel oder Google Sheets, und Sie können schnell filtern, sortieren und Berechnungen und Transformationen durchführen. Sie würden wahrscheinlich immer noch Tabellen, Indizes und Schemata in einer Datenbank einrichten.

2. Sie benötigen Geschwindigkeit und Null-Setup

Wenn Sie noch keine relationale Datenbank haben, erfordert deren Einrichtung Folgendes:

• Eine laufende Datenbank, lokal oder in der Cloud
• Definierte Tabellen und Datentypen
• Richtige Berechtigungen

Mit Tabellenkalkulationen? Nichts davon. Selbst wenn eine Set up erforderlich ist, geht es viel schneller. Sie müssen jedoch wahrscheinlich nichts installieren, da Ihr Pc wahrscheinlich mit einem vorinstallierten Tabellenkalkulationsprogramm geliefert wird, oder Sie können problemlos eine Cloud-Model verwenden.

Bild vom Autor

Klicken Sie einfach auf die Datei und legen Sie los – vor allem, wenn Sie nur sehen möchten, was darin enthalten ist, oder ein paar schnelle Berechnungen durchführen möchten.

3. Sie müssen zusammenarbeiten

Datenbanken können die Zusammenarbeit bewältigen, sie erfordern jedoch das Festlegen von Berechtigungen, das Definieren von Rollen und SQL-Kenntnisse.

Beispielsweise ist die Zusammenarbeit in Google Sheets viel einfacher:

• Teilen Sie einen Hyperlink mit Ihren Mitarbeitern
• Kommentare hinzufügen
• Verfolgen Sie Dateiänderungen

Bild vom Autor

Wenn Ihre Mitarbeiter außerhalb des Datenteams sind (z. B. Finanzen, Advertising and marketing, Betrieb), verwenden sie wahrscheinlich kein SQL – bei Tabellenkalkulationen spielt das keine Rolle.

4. Sie möchten Daten visualisieren und präsentieren

SQL dient der Abfrage und Datenanalyse, ist jedoch nicht für die Präsentation Ihrer Ergebnisse geeignet. Normalerweise exportieren Sie die Ausgabe Ihrer Abfragen an einen anderen Ort. Ironischerweise sind es oft Tabellenkalkulationen, die wir vermeiden wollten.

Wenn die Visualisierung und Präsentation von Daten wichtig ist und Sie die Analyse relativ einfach in einer Tabellenkalkulation durchführen können, dann wählen Sie diese gegenüber SQL. Tabellenkalkulationen sind sowohl Berechnungs- als auch Präsentationswerkzeuge.

Bild vom Autor

Normalerweise bevorzugen Sie Tabellenkalkulationen gegenüber SQL, wenn Sie Folgendes benötigen:

• Diagramme für eine Präsentation
• Pivot-Tabellen für Führungskräfte
• Ein Finanzprognosemodell

5. Ihre Arbeit ist iterativ und chaotisch

Beispiele für solche Arbeiten sind das Erstellen von Modellen, das Brainstorming von Szenarien und das Testen von Annahmen. Hier würde ich Tabellenkalkulationen verwenden.

Bild vom Autor

Sie können sie verwenden, um:

• Brainstormen Sie Finanzszenarien -> kopieren Sie das Blatt, optimieren Sie ein paar Zellen und sehen Sie sofort die Ergebnisse
• Annahmen testen -> zwei Formeln schreiben, vergleichen, die schwächere löschen; Keine Schemamigration erforderlich
• Schnelle Was-wäre-wenn-Modelle -> Erstellen Sie eine grobe Model in einer Tabelle, bevor Sie sie in SQL formalisieren
• Advert-hoc-Anmerkungen -> Farbcodierung, Kommentare hinterlassen, Daten hervorheben
• Formeliteration -> einfach =SUM(A1:A52) in =AVERAGE(A1:A52) ändern; Es ist nicht erforderlich, Abfragen neu zu schreiben oder die Syntax zu validieren

6. Ihre Zielgruppe spricht kein SQL

Unternehmensleiter, Projektmanager und externe Kunden öffnen weitaus eher eine Tabellenkalkulation als eine Datenbank.

Bild vom Autor

Mit Tabellenkalkulationen erhalten sie etwas, das sie lesen, optimieren und teilen können, ohne eine Programmiersprache zu lernen, die sie nicht lernen wollten.

7. Sie berücksichtigen Kosten und Zugang

Die Pflege relationaler Datenbanken in Produktionsumgebungen kann kostspielig sein; Denken Sie an Cloud-Speicher, Rechenressourcen und Verwaltungszeit.

Bild vom Autor

Tabellenkalkulationen sind kostenlos oder quick kostenlos. Wenn Ihr Datensatz und Ihre Analyse relativ einfach mit einer Tabellenkalkulation verarbeitet werden können, vermeidet die Wahl dieser anstelle von SQL den Mehraufwand.

8. Sie benötigen eine schnelle Dateneingabe

Datenbanken sind nicht für eine einfache manuelle zeilenweise Eingabe konzipiert. Sie müssten entweder eine Abfrage schreiben oder Daten aus einer Tabellenkalkulation importieren.

Bild vom Autor

Das direkte Eingeben von Daten in eine Tabelle ist einfacher, wenn Sie beispielsweise Folgendes tun möchten:

• Zeichnen Sie Besprechungsnotizen auf
• Sammeln Sie mehrere Vertriebskontakte
• Verfolgen Sie Aufgaben oder Fristen

Abschluss

Der beste Weg ist natürlich die Kombination von Tabellenkalkulationen und SQL. Letzteres dient der Verarbeitung, Transformation und Analyse umfangreicher Daten, insbesondere wenn es sich dabei um sich wiederholende Aufgaben handelt. Dann lohnt es sich, eine logische Abfrage zu erstellen und diese bei Bedarf einfach erneut auszuführen. Wenn Sie gerade erst anfangen oder eine Auffrischung benötigen, ist dies hier SQL-Spickzettel ist eine großartige Ressource für Kernkonzepte, die Sie tatsächlich verwenden werden.

Tabellenkalkulationen sind besser, wenn Sie Agilität, schnelles Verständnis von Daten, einfachere Analysen, schnelle Datenvisualisierungen und gemeinsame Nutzung suchen.

Nate Rosidi ist Datenwissenschaftler und in der Produktstrategie tätig. Er ist außerdem außerordentlicher Professor für Analytik und Gründer von StrataScratch, einer Plattform, die Datenwissenschaftlern hilft, sich mit echten Interviewfragen von Prime-Unternehmen auf ihre Interviews vorzubereiten. Nate schreibt über die neuesten Developments auf dem Karrieremarkt, gibt Ratschläge zu Vorstellungsgesprächen, stellt Knowledge-Science-Projekte vor und behandelt alles rund um SQL.