返回列表
谷歌正式关停Project Mariner:曾旨在实现跨网页自动执行任务的实验性项目
行业新闻谷歌Project MarinerAI自动化

谷歌正式关停Project Mariner:曾旨在实现跨网页自动执行任务的实验性项目

谷歌已正式停止其名为“Project Mariner”的实验性项目。该项目最初旨在帮助用户在互联网上自动执行各种任务。根据最新报道,该项目的官方页面已发布停用公告,确认其于2026年5月4日正式关闭。尽管该技术曾被寄予厚望,但谷歌最终决定终止这一尝试,标志着其在自动化网页交互领域的一次战略调整。

The Verge

核心要点

  • 正式关停:谷歌已于2026年5月4日正式停止了实验性项目 Project Mariner 的运行。
  • 项目定位:该项目被定义为一种实验性功能,旨在跨网页为用户执行各种自动化任务。
  • 官方确认:Project Mariner 的官方落地页已更新,明确感谢用户的支持并确认了关停事实。
  • 媒体来源:此消息最早由 Wired 的 Maxwell Zeff 报道,随后由 The Verge 等主流科技媒体确认。

详细分析

实验性项目的终结与技术沉淀

根据 The Verge 的报道,谷歌已经彻底停止了 Project Mariner 的运作。这个项目在谷歌内部一直处于实验阶段,其核心愿景是简化用户在复杂网页环境下的操作流程。通过自动化技术,Project Mariner 试图打破单一网页的限制,实现跨平台的任务处理。虽然该项目现在已经关闭,但官方公告中提到的“其技术(its technology...)”暗示了该项目的研究成果可能并不会完全消失,而是可能被整合到谷歌更广泛的 AI 生态系统中。

网页自动化任务的探索历程

Project Mariner 的核心功能是“跨网页执行任务”。在当前的 AI 浪潮中,这种能够像人类一样理解网页结构并进行交互的“AI 代理(AI Agents)”是各大科技巨头竞争的焦点。谷歌通过该项目探索了自动化执行复杂在线任务的可能性。尽管目前该独立项目宣告结束,但这反映了谷歌在将实验性技术转化为成熟产品过程中的严苛筛选机制。官方页面上的告别信息标志着这一特定实验路径的终结,但也为后续更成熟的自动化工具腾出了空间。

行业影响

Project Mariner 的关停在 AI 行业内具有一定的启示意义。首先,它表明了跨网页自动化任务在实际应用中仍面临复杂的技术或安全挑战。作为搜索和浏览器领域的领导者,谷歌在该领域的每一次尝试和撤退都会影响行业对“AI 代理”发展方向的判断。其次,这可能预示着谷歌正在收缩其分散的实验性项目,转而将资源集中于更具战略意义的 AI 整合方案中。对于开发者和竞争对手而言,关注 Project Mariner 背后技术的去向,将是理解谷歌未来 AI 自动化战略的关键。

常见问题

Project Mariner 是在什么时候正式关闭的?

根据官方落地页面的消息,Project Mariner 已于 2026 年 5 月 4 日正式关闭。

Project Mariner 的主要功能是什么?

它是一项实验性功能,旨在帮助用户在不同的网页之间自动执行任务,提升在线操作的效率。

谁最早报道了该项目关停的消息?

该消息最早由 Wired 杂志的 Maxwell Zeff 报道,随后得到了 The Verge 等媒体的跟进确认。

相关新闻

美团LongCat开源General 365推理评测集:Gemini 3 Pro仅获62.8分,树立行业新标尺
行业新闻

美团LongCat开源General 365推理评测集:Gemini 3 Pro仅获62.8分,树立行业新标尺

美团LongCat团队正式发布General 365推理评测集。在对26款主流模型的实测中,目前表现最强的Gemini 3 Pro准确率仅为62.8%,而绝大多数模型得分均低于60分及格线。该评测集的发布旨在为大模型推理能力提供更严苛的衡量标准,揭示了当前AI模型在复杂推理任务中的局限性。

ACL 2026美团技术团队入选论文解读:大模型评测与推理优化新范式
行业新闻

ACL 2026美团技术团队入选论文解读:大模型评测与推理优化新范式

美团技术团队在ACL 2026国际顶级学术会议中共有6篇论文被收录。这些研究成果涵盖了大模型能力评测、复杂流程推理、竞赛级数学思维优化、强化学习优化以及生成式推荐等多个前沿领域。本文将深入探讨美团如何通过这些技术创新,在自然语言处理(NLP)领域构建生成式AI的新范式,展示其在AI底层技术与应用层面的深厚积累。

美团技术实践:如何用Agent评测思路管理AI Coding并重构31万行代码
行业新闻

美团技术实践:如何用Agent评测思路管理AI Coding并重构31万行代码

本文深入探讨了美团技术团队在AI生成代码占比超90%的背景下,如何通过Agent评测思路管理AI Coding。通过31万行代码的重构实践,团队建立了技术债梳理、Rule建设、重构SOP及Pre-PR机制,成功将高成本的重构专项转化为随迭代持续推进的日常动作,有效解决了AI可能带来的代码混乱问题,为大规模AI代码治理提供了实战参考。