僅需 10 秒！美團Tabbit 1. 0 上線，重塑AI Agent辦公閉環

2026年6月10日 02:327500 次瀏覽

重點摘要

美團旗下GN06團隊發佈AI原生瀏覽器Tabbit1.0，標誌著其智能助手從內測進入大規模商業化。自3月測試以來，任務完成率從53.1%躍升至90.8%，交互精度與穩定性達行業領先水平。技術核心為自研LongCat大模型。

站內 AI 整理稿

### 重點整理：美團 Tabbit 1.0 正式上線，AI Agent 辦公效率大躍進

美團旗下 GN06 團隊近期宣布推出 AI 原生瀏覽器 Tabbit 1.0，這款產品從內部測試階段正式邁向大規模商業化。根據官方公布的數據，自今年 3 月測試以來，Tabbit 的任務完成率從 53.1% 大幅提升至 90.8%，交互精準度與穩定性達到業界領先水準。技術核心仰賴美團自研的 LongCat 大模型，能在短短 10 秒內完成複雜的辦公任務，重新定義了 AI Agent 在辦公場景中的閉環應用。

### 背景脈絡：從內測到商業化，美團加速 AI Agent 落地

Tabbit 的誕生背景，是美團內部 GN06 團隊長期投入 AI 原生應用開發的成果。不同於市面上多數通用型瀏覽器或助手，Tabbit 專注於「AI Agent」概念——使用者只需以自然語言下達指令，瀏覽器便能自動拆解任務、調用多個工具、完成操作並回傳結果。這款產品在測試期間經歷了多次迭代，任務完成率從初期不到六成，到現在穩定突破九成，顯示出 LongCat 大模型在指令理解、流程規劃與錯誤修正上的持續進步。美團選擇在此時開放商業化，代表其技術成熟度已達可大規模部署的門檻，也反映公司對 AI 賦能辦公效率的重視。

### 可能影響：重塑辦公流程，加速 AI Agent 普及

Tabbit 1.0 的商業化，對辦公場景的影響相當深遠。傳統的辦公自動化工具多半需要手動設定腳本或逐一操作，而 Tabbit 將「瀏覽器」轉化為一個主動執行的 AI 代理，使用者不必再頻繁切換視窗或填寫表單。例如，只需一句「整理上週會議紀錄並寄給團隊」，瀏覽器就能自動提取內容、生成摘要、開啟郵件工具並完成發送。這種「零門檻」的操作模式，可能大幅降低數位工具的使用成本，尤其對非技術背景的上班族來說，AI Agent 的便利性將直接提升日常工作效率。

此外，美團的入局也意味著 AI Agent 競賽將進入新階段。過去這類產品多以新創公司或雲端服務商為主，如今大型平台挾帶著龐大的使用者基礎與場景數據投入，可能加快市場教育與標準化進程。LongCat 大模型在垂直領域（如生活服務、辦公協作）的優化，也讓 Tabbit 相較於通用模型擁有更高的任務完成率與穩定性，這對同領域的競爭者形成壓力。

### 讀者可關注的後續：商業化定價、應用場景拓展與生態整合

雖然 Tabbit 已進入商業化階段，但實際的收費模式、適用範圍與後續更新計畫尚未完整揭露。讀者後續可以留意以下幾個方向：

- **定價與授權方式**：Tabbit 是採訂閱制、買斷制，還是免費增值模式？這將直接影響中小企業與個人用戶的採用意願。

- **場景延伸**：目前聚焦在辦公閉環，但未來能否支援更多生活服務（如訂餐、叫車、購物）？若與美團原有業務深度整合，可能創造出跨平台的全新體驗。

- **競爭動態**：字節跳動、阿里巴巴等巨頭也紛紛推出類似 AI Agent 產品，Tabbit 能否靠 LongCat 的技術領先優勢站穩腳跟？後續版本更新的頻率與功能都會是觀察重點。

- **數據安全與隱私**：由於 AI Agent 需要讀取用戶的瀏覽內容與操作權限，美團如何處理資料使用與隱私保護，將影響用戶信任度。

整體而言，Tabbit 1.0 的上線不僅是美團在 AI 領域的一次重要突破，也預告了「瀏覽器即助手」的時代已經來臨。對於常需處理重複性辦公任務的上班族而言，這項工具值得持續關注與試用。

原始來源：AIBase ↗

查看原始來源

TechWebAI Agent

網易有道全面向AI轉型全場景Agent矩陣亮相圖博會

{"id":"39ef5947-b77a-4904-bf03-ff6264f08dc4","object":"response","model":"deepseek-v4-flash","output":[],"stop_reason":"max_output_tokens","usage":{"input_tokens":154,"output_tokens":200,"total_tokens":354}}

剛剛閱讀分析

Hugging Face BlogAI Agent

MosaicLeaks: Can your research agent keep a secret?

Back to Articles MosaicLeaks: Can your research agent keep a secret? Enterprise Article Published June 18, 2026 Upvote - Alexander Gurung agurung Follow ServiceNow Rafael Pardinas rafapi-snow Follow ServiceNow TL;DR Deep research agents increasingly combine private local documents with external tools like web retrieval, creating a privacy risk: an agent's external queries may leak sensitive information. MosaicLeaks proposes a new deep-research task with multi-hop questions that interleave public and private information. Across the models we tested, agents frequently leaked private information, and training only for task performance made it worse. We propose a mosaic-leakage-aware RL training method, Privacy-Aware Deep Research (PA-DR), which raises strict chain success (the share of chains

17 小時前閱讀分析