摘要： Browserbase 的 Kanika Pandey 與 Benjamin Krejci 在 2026 年 10 月 14 日的文章中探討一個對 agent 開發者很實際的問題：視覺 CAPTCHA 還防得住機器嗎？文中引用多項研究顯示 AI 已能以高成功率解開圖形驗證，並主張業界正從「視覺謎題」轉向「agent 身分與授權」的驗證模型。這對任何正在幫 agent 打通網頁操作的團隊，都是繞不開的設計前提。
CAPTCHA 的前提已經動搖
CAPTCHA 的設計假設很簡單：有些任務人類容易、機器困難——辨認紅綠燈、腳踏車、扭曲的文字。但 Pandey 和 Krejci 指出，這個假設正在失效。文章引述了三項研究：
- USENIX Security 2025 發表的 agentic 視覺語言系統 Halligan，在 2,600 個、涵蓋 26 種類型的視覺 CAPTCHA 挑戰中達到 60.7% 成功率；
- 2026 年 9 月的 Robot Visions 研究，用免費、本機運行的模型在 500 個真實 reCAPTCHA session 中達到 92.6% 成功率；
- 同月的另一項研究以視覺偵測結合語言模型推理的自適應方法，在 16 類挑戰中達到 85.4% 準確率。
文章作者提醒，這些研究評估的系統和挑戰各不相同，百分比不能直接互相比較，也不代表每個 CAPTCHA 都能被破解。但趨勢清楚：破解這些謎題不再需要昂貴的前沿模型。
業界早就開始繞路
其實早在 AI agent 興起之前，網站安全就已經在往「無感驗證」走了。文中舉例：Cloudflare Turnstile 用背景瀏覽器檢查減少視覺挑戰；Google reCAPTCHA 支援基於風險的評估；Web Bot Auth 則讓可信的 agent 用密碼學方式證明自己是誰，讓網站能放行正常 agent、繼續擋掉濫用流量。
移除視覺謎題，不代表移除了安全需求。詐欺、垃圾訊息、爬蟲這些問題仍在，只是對抗的方式從「猜圖片」變成「驗身分」。
從「你是誰」到「你有沒有被授權」
文章引用了 2026 年 9 月的一則報導：Amazon 封鎖了 Meta 的 Muse AI agent 在其網站購物。這不是 CAPTCHA 問題，而是存取與授權問題——agent 技術上做得到，但網站擁有者不允許這種互動。
作者用一個好懂的例子拆解了驗證的三個層次。假設你請 agent 訂機票，航空公司其實要確認三件獨立的事：
- 人類身分：顧客是誰？
- Agent 身分：是哪套軟體在發請求？
- 授權：顧客有沒有允許 agent 進行這筆訂票？
這三件事彼此獨立。agent 也許能用密碼學簽章證明自己是誰，但這不等於證明你授權它花一千美元。Web Bot Auth 處理身分，OAuth 式委派和新興的 agent 身分方案處理權限——敏感交易仍可能需要額外的人工確認。
對 agent 開發者的實際意義
文章結尾提出兩個可能並存的走向：一是 Browserbase 成為 agent 的可信存取層，當網站支援 agentic authentication 時，由它管理身分與權限（SDK 已可透過 browserSettings.verified: true 開啟）；二是很大一部分網站可能永遠不會實作 agent 專屬存取——遺留系統、複雜介面、沒有 API 的服務，仍需要真實瀏覽器基礎設施讓 agent 操作。
這和我們先前談過的思路一致：與其為每個網站寫一支一次性 script，不如把網頁操作交給可重用的瀏覽器任務基礎設施（見先前對 Browserbase Agents 的整理）。
留給你的判斷題
如果你的產品需要 agent 與第三方網站互動，值得先問自己三個問題：這個網站是否提供 agent 友善的 API 或驗證機制？你的 agent 能否以可識別、可撤銷的方式表明身分？高風險操作有沒有人工確認關卡？
CAPTCHA 或許不會完全消失，但「會解圖片」已經不是准入門票。真正的門票，會是身分與授權的基礎設施——而這部分的標準，目前仍在成形中。