HY4, MiMo V2.6 ve Liquid LFM2.5 Kıyaslaması: 600 Tarayıcı Ajanı Testi

Yapay zeka modellerinin yalnızca metin üreten asistanlar olmaktan çıkıp web tarayıcılarında otonom işlemler yürüten dijital ajanlara dönüştüğü günümüzde, arka plandaki “planlayıcı” (planner) modellerin performansı kritik hale geldi. Bir ajanın tıklama, form doldurma, gezinme ve DOM analizi gibi adımları hatasız yürütebilmesi; doğru araç seçimi (tool calling) ve görsel muhakeme yeteneğine dayanıyor. Bu kapsamda gerçekleştirilen 600 senaryoluk yeni nesil tarayıcı ajanı kıyaslama testinde HY4, MiMo V2.6 ve Liquid LFM2.5 mimarileri doğrudan karşı karşıya getirildi.

Test Metodolojisi ve Ölçüm Kriterleri

Kıyaslama sürecinde modeller, karmaşık web sayfaları üzerinde gerçek zamanlı gezinme senaryolarına tabi tutuldu. Performans şu üç temel eksende değerlendirildi:

• İdeal Araç Seçimi (Ideal-tool Choice): Modelin verilen DOM yapısı ve kullanıcı hedefine göre en mantıklı fonksiyonu çağırma oranı.
• Tam Eylem Mutabakatı (Exact-action Agreement): Modelin ürettiği parametrelerin ve koordinatların referans standartlarla birebir örtüşmesi.
• Maliyet ve Yanıt Süresi: Ajan döngüsünün kesintisiz işlemesi için medyan gecikme (latency) ve işlem başına token maliyeti.

Öne Çıkan Sonuçlar ve Model Performansları

Test sonuçlarında MiMo Pro, özellikle çok adımlı planlama ve ideal araç seçiminde grubun lideri konumuna yerleşti. Konsensüs metriklerinde rakiplerinin belirgin şekilde önüne geçen model, karmaşık e-ticaret ve form akışlarında karar kararlılığını korudu.

Ailenin daha hafif sürümü olan MiMo Flash ise hız ve ekonomi tarafında çıtayı yukarı taşıdı:

• Görsel Başarı: 100 ekran görüntüsü testinin 81’inde katı başarı (strict pass) sağladı.
• Hız: Medyan planlama süresi yalnızca 1,20 saniye olarak ölçüldü.
• Maliyet: Tüm ajan planlama turu başına yaklaşık 1 sentlik bir fatura oluşturarak üretim ortamları için yüksek fiyat/performans sundu.

Buna karşılık HY4 ve Liquid LFM2.5, genel yönlendirmede tutarlı sonuçlar verse de katı eylem mutabakatı (exact-action) testlerinde MiMo’nun gerisinde kaldı. Özellikle dinamik JavaScript yüklemelerinin yoğun olduğu sayfalarda Liquid mimarisinin parametre sapmaları yaşadığı kaydedildi.

Sonuç

Otonom tarayıcı iş akışlarında hız ve bütçe ön plandaysa MiMo Flash şu anki en dengeli alternatiflerden biri olarak öne çıkıyor. Karmaşık ve hata toleransı düşük operasyonlarda ise MiMo Pro’nun konsensüs gücü belirleyici avantaj sağlıyor.

Kaynak ve Benchmark Verileri: Browser-Agent Benchmarks & Evaluation Reports