浏览器智能体这片战场，过去大多是「能读标签页的聊天助手」或「基于检索的搜索副驾」。10 月 9 日，一支三人团队 Recursive Intelligence 推出的 Polar，把浏览器直接当成可执行环境：让一群子智能体分工、按成本路由不同模型、并跨会话保留用户记忆，宣称能连续自主执行从几分钟到十五小时以上的跨站任务。
把浏览器当环境，而不是当界面
Polar 的核心思路，是把浏览器从「提问界面」升级为「执行环境」。它不再让单个模型在单一会话里死扛全部上下文，而是生成并协调一支子智能体团队：拆任务、派子任务、在长程任务内维持彼此通信。不同步骤还能指派不同规模或不同厂商的模型，目标是在能力与时延、成本之间取到平衡。
这套设计真正想解决的，是单体现体浏览器智能体绕不开的两道墙——上下文长度上限，以及十五小时会话带来的 token 成本爆炸。把任务分解、再按成本把子任务路由给更便宜的模型，本质上是一种经济必要性，而非炫技。配合跨会话的持久记忆子系统，它试图让智能体记住「这个用户在此前的任务里养成了哪些偏好」。
有意思的编排，未公开的短板
从工程视角看，Polar 最值得关注的不是某个算法创新，而是编排层、模型路由与交互原语的组合。它声称在现有排行榜上自我报告优于 OpenAI 与 Anthropic 的浏览器智能体，但这层比较完全建立在厂商自报之上，缺少独立验证。
更关键的是几个尚未回答的细节：当两个子智能体改动了同一块重叠的 UI 状态，或者某个子任务在下游工作跑了四十分钟后才失败，冲突解决与回滚策略是什么？单位任务成本没有公开，因此对它宣称的「可持续十五小时」究竟能否在经济上闭环，外界无从判断。记忆以什么格式存储、如何更新、隐私如何处理，也都没有说明。对一支三人团队、处在 570 万美元种子阶段来说，路由层不是锦上添花，而是生存必需——只是这份账本，目前还锁在自己手里。
热闹之外，留给行业的真问题
把 Polar 放回浏览器智能体这个赛道，它真正的启发不在「跑得更久」，而在把成本与编排摆到了和产品能力同等的位置。过去这类工具常被当成模型能力的延伸，Polar 反过来把系统设计的权重抬高：谁来拆任务、谁来兜底、谁来决定用贵模型还是便宜模型。这套思路一旦被验证，会改变大家对「好用的浏览器智能体」的评价标准——不再只看它能不能点中按钮，而看它能不能把十五小时的任务，拆成一连串可控、可核算、可回退的子任务。
当然，所有这些目前都建立在厂商自报之上。它是否真能在真实网页、真实账号、真实时长下稳住，还有待独立基准与公开复现。对围观者来说，值得记住的不是「三人团队挑战大厂」的叙事，而是它把多智能体、成本路由与持久记忆这三件事，缝进了一个浏览器智能体的日常产品形态里。