Karpo开源决策模型与浏览器框架,Agent推理成本降至十三分之一
MachinePulse AI开源Karpo Decision系列模型及karpo-browser框架。通过System 1+2架构,将网页操作决策时延压至毫秒级,Browserbase基准测试成功率89%,单次任务成本约0.64元,显著低于通用大模型方案。
决策模型不再黑盒:Karpo开源31B参数模型
做Agent落地时,开发者经常卡在一个两难上:所有逻辑都交给通用大模型处理,响应慢、Token费用也高;换成闭源的高速决策接口,又没法私有化部署,数据隐私也没保障。

2026年11月,MachinePulse AI把
Karpo Decision 31B模型和配套的浏览器操作框架karpo-browser一起开源了。这套方案想解决的就是上面那个痛点:高频、低延迟的判断任务交给专门的决策模型,通用大模型则专心做复杂推理。

在Decision Index评测里,Karpo Decision 31B拿下73.9的Full分,排在首位。它最大的长处是推理延迟和成本都压得很低。公开数据集上做了14万次请求测试,中位响应时间只有94毫秒。Agent场景要实时交互,毫秒级的反馈速度对用户体验来说是质的变化。

为什么Agent需要专门的“决策脑”?

Agent能力越强,工作流里琐碎的判断环节就越多。比如浏览网页时该点哪个按钮,从搜索结果里挑出符合特定条件的条目,或者判断当前任务有没有做完。

每一步都调通用大模型逐字生成答案,速度慢不说,算力也白费。这就像拿重型卡车去送一封信,信能送到,效率却低得离谱。

Karpo的思路是把“思考”和“行动”拆开。理解用户意图、拆解复杂任务这类活交给通用大模型(System 2);具体的、高频的动作决策由Karpo Decision模型来做(System 1)。

拿订餐厅来说,“我要订一家人均200元、靠近地铁站的法餐”这句话,由DeepSeek V4.1 Flash等通用模型来理解并提取关键信息。接着karpo-browser框架接管页面,网页上点哪个输入框、选哪个日期、按哪个确认按钮,由Karpo Decision 27B Act模型来定。实测下来,网页上约78%的操作是决策模型完成的,而这些操作只占总耗时的14%、总成本的13%。

技术架构:一次推理,多个决策

Karpo Decision 31B跑得快,靠的主要是两项技术:Readout Head和Branch Attention。

传统大模型做选择题,得逐个Token把选项文字生成出来,再由程序解析。Karpo换了个做法,用Readout Head机制在模型输出层直接给每个候选选项打分、转成概率。全程只做一次前向推理,输出Token数为零,生成文本那段时间开销被彻底去掉。

另外,Agent常常要同时处理多个决策,比如从50个搜索结果里选出最相关的5个。逐个判断的话,上下文要重复算50次。Karpo用Branch Attention架构,支持256K上下文:任务说明、网页内容这类共享背景信息放进Shared Block,只算一次;不同的题目和选项各自放进Branch。这样一来,几十道判断题可以并行处理,彼此不干扰。

用RTX PRO 6000跑16到63道题,中位耗时653毫秒,题量涨上去,时间并没有跟着线性往上走。

校准与泛化:别让模型“盲目自信”和“偏科”

快只是其中一面,模型还得清楚自己把握有多大。要是答错了还给出高置信度,Agent就可能照着错答案往下执行。

为此Karpo用上了RLCD,也就是面向校准决策的强化学习。做法不只是奖励选对,还按预测概率分布来算奖励,让模型如实交代不确定性。JevBench测试里,它的预期校准误差(ECE)只有2.3%。对开发者来说,这意味着可以设一个阈值:置信度掉到某个值以下,就把控制权交回人工或通用大模型。
训练集上表现好、换个陌生领域就掉准确率,是另一类常见毛病。Karpo团队观察到,训练越往后,模型在公开测试集上的分数在涨,可在13个陌生领域的准确率却从72.1%滑到了70.7%。
针对这种“偏科”,团队搬出了RSI(递归自我改进)训练框架:先训出多个候选模型,看它们在各领域的表现,再用Model Fusion把早期模型的泛化能力和后期模型的专精能力揉到一起。融合后的模型保住了公开测试的高分,陌生领域准确率还升到72.3%,超过KnowLine、Sieve等竞品。
浏览器Agent实战:速度与成本一起压
决策模型之外,MachinePulse还开源了karpo-browser框架和KBB评测集。这套东西在Browserbase Benchmark v2上跑出了明显效果。
102道核心任务的测试结果是:Karpo方案平均成功率89%,平均耗时201秒,单任务模型成本约0.096美元(约合人民币0.64元)。换成Claude Fable 5.2 + Claude Code,速度慢约1.9倍,成本高出13倍。
测试标准其实更严:每道题跑3次取平均,而其他榜单模型一般只跑1次。条件这么苛刻,Karpo仍是唯一能在成功率80%、耗时250秒内、成本0.15美元内同时达标的方案。
karpo-browser框架用TypeScript写成,能通过MCP协议接进Claude Code、Codex等现有Agent平台。开发者不用从头写浏览器控制逻辑,直接复用这套验证过的操作能力。
实际体验:搜索筛选与情绪识别
我们做了两项简单测试,看看Karpo实际能干什么。
第一项是筛技术结果。给了8条“开源本地部署浏览器Agent”的搜索结果,里面混着云端工具和非开源项目。Karpo Decision 31B用308毫秒挑出4个符合条件的选项,没有误判。
第二项是辨语气。“太好了,这个Agent又把我的文件删光了,真是帮了大忙!”这种反讽,Karpo在232毫秒内读出88%的负面概率;换成“页面加载慢了一些,但结果准确,整体还可以”这种中性评价,它给出91%的中性概率。这种细粒度的情绪感知,放到客服Agent或用户反馈分析场景里挺实用。
开源生态与后续打算
这次开源包括0.8B到31B共6种尺寸的Karpo Decision模型,外加27B参数的网页动作专用模型Karpo Decision 27B Act。工具链配套的是karpo-browser框架,以及覆盖584个真实网站、23,075步操作的KBB评测集。
对开发者来说,低成本搭高性能Agent有了现成路径。按JevBench的成本估算,1000次决策大约只要0.025美元;同样的运营预算,能撑起原来5到30倍的用户规模。
MachinePulse团队说,Karpo这个名字来自拉丁语“Carpe Diem”(把握当下)。他们的想法是让Agent接住琐碎决策,把人从繁杂操作里腾出来,去做更有创造性的事。决策模型逐渐成为AI基础设施的一部分,这种“快慢系统”分工的路子,或许会变成未来Agent开发的常见做法。
模型权重已经传到Hugging Face,代码库放在GitHub上,开发者可以按自己的需求挑不同尺寸的模型来部署和微调。