Surfer 2: De Nieuwe Generatie Cross-Platform Computergebruiksagents

Surfer 2: The Next Generation of Cross-Platform Computer Use Agents

October 22, 2025

Auteurs: Mathieu Andreux, Märt Bakler, Yanael Barbier, Hamza Benchekroun, Emilien Biré, Antoine Bonnet, Riaz Bordie, Nathan Bout, Matthias Brunel, Aleix Cambray, Pierre-Louis Cedoz, Antoine Chassang, Gautier Cloix, Ethan Connelly, Alexandra Constantinou, Ramzi De Coster, Hubert de la Jonquiere, Aurélien Delfosse, Maxime Delpit, Alexis Deprez, Augustin Derupti, Mathieu Diaz, Shannon D'Souza, Julie Dujardin, Abai Edmund, Michael Eickenberg, Armand Fatalot, Wissem Felissi, Isaac Herring, Xavier Koegler, Erwan Le Jumeau de Kergaradec, Aurélien Lac, Maxime Langevin, Corentin Lauverjat, Antonio Loison, Avshalom Manevich, Axel Moyal, Axel Nguyen Kerbel, Marinela Parovic, Julien Revelle, Guillaume Richard, Mats Richter, Ronan Riochet, María Santos, Romain Savidan, Laurent Sifre, Maxime Theillard, Marc Thibault, Ivan Valentini, Tony Wu, Laura Yie, Kai Yuan, Jevgenij Zubovskij

cs.AI

Samenvatting

Het ontwikkelen van agenten die generaliseren over web-, desktop- en mobiele omgevingen blijft een open uitdaging, omdat bestaande systemen afhankelijk zijn van omgevingsspecifieke interfaces die cross-platform inzet beperken. Wij introduceren Surfer 2, een uniforme architectuur die uitsluitend werkt vanuit visuele observaties en state-of-the-art prestaties behaalt in alle drie de omgevingen. Surfer 2 integreert hiërarchisch contextbeheer, ontkoppelde planning en uitvoering, en zelfverificatie met adaptief herstel, waardoor betrouwbare werking over lange taakhorizons mogelijk wordt. Ons systeem behaalt een nauwkeurigheid van 97,1% op WebVoyager, 69,6% op WebArena, 60,1% op OSWorld en 87,1% op AndroidWorld, en overtreft alle eerdere systemen zonder taakspecifieke fine-tuning. Met meerdere pogingen overstijgt Surfer 2 de menselijke prestaties op alle benchmarks. Deze resultaten tonen aan dat systematische orchestratie de capaciteiten van foundation models versterkt en algemene computerbesturing mogelijk maakt via uitsluitend visuele interactie, terwijl de noodzaak wordt benadrukt voor een volgende generatie vision-language models om Pareto-optimale kostenefficiëntie te bereiken.

English

Building agents that generalize across web, desktop, and mobile environments remains an open challenge, as prior systems rely on environment-specific interfaces that limit cross-platform deployment. We introduce Surfer 2, a unified architecture operating purely from visual observations that achieves state-of-the-art performance across all three environments. Surfer 2 integrates hierarchical context management, decoupled planning and execution, and self-verification with adaptive recovery, enabling reliable operation over long task horizons. Our system achieves 97.1% accuracy on WebVoyager, 69.6% on WebArena, 60.1% on OSWorld, and 87.1% on AndroidWorld, outperforming all prior systems without task-specific fine-tuning. With multiple attempts, Surfer 2 exceeds human performance on all benchmarks. These results demonstrate that systematic orchestration amplifies foundation model capabilities and enables general-purpose computer control through visual interaction alone, while calling for a next-generation vision language model to achieve Pareto-optimal cost-efficiency.