最强多模态大模型在真实网页搜索中被人类碾压？GPT-5.2 仅获 36% 胜率，北大、华为等联合开源全新深度搜索基准BrowseComp-V3

背景：多模态大语言模型（MLLMs）在接入互联网进行深度搜索时，面临真实开放环境中噪音与跨模态信息的挑战，现有基准在任务复杂度、信息可检索性和评估维度上存在局限。研究目的：北京大学等机构联合推出全新多模态深度搜索基准BrowseComp-V3和通用框架OmniSeeker，旨在系统评估多模态浏览智能体在复杂环境下的能力。结论：实验显示人类专家成功率（68.03%）远超当前最强模型GPT-5.2（36.17%），凸显模型在跨模态整合与长程推理上的不足；工具调用是关键，开源模型表现接近闭源模型；未来需加强跨模态信息深度整合与长程规划研究。