最近，我深入体验了字节发布的 Midscene.js，并尝试将其与 Playwright 结合，调用豆包或通义千问的 LLM 视觉模型开展 UI 自动化测试。一番实践下来，发现这种组合带来的效果远超传统 Selenium 方案。在深入研究前，不妨先了解下收费标准，做到心中有数。

Playwright + Midscene vs Selenium：优势大比拼

速度制胜：响应迅捷如闪电

传统 Selenium 在运行前，需先安装各类浏览器的驱动，等待驱动启动，这一过程耗时较长。而 Midscene 巧妙地跳过了这一繁琐步骤，直接调用内置浏览器运行，还能选择不展示浏览器及运行过程，真正实现了“快人一步”，大大缩短了测试周期，提升了整体效率。

兼容无忧：主流浏览器全适配

当下主流的 Google、Edge 等浏览器，Midscene 都能完美兼容。无需像 Selenium 那样，为不同浏览器下载对应的驱动，省去了诸多麻烦，让测试工作更加轻松便捷。

语法简易：小白也能快速上手

Midscene 内置了丰富实用的函数，使用时直接调用即可，几乎无需编写复杂的逻辑校验代码。即使是刚入门的小白，最多只需半天时间，就能熟练掌握并投入实际测试工作，极大地降低了学习成本。

另一面：不可忽视的缺点

收费门槛：免费有限，长期使用需付费

尽管豆包单个模型提供了 50W 的免费 Token，千问单个模型更是慷慨地给出了 100W 免费 Token，但单个注册账号的免费使用期限仅为 6 个月。超过这个时间，若想继续使用，就需要支付相应费用了。当然，也有“曲线救国”的办法，比如不断注册新账号，但这无疑会增加管理成本和操作复杂度。

模型兼容：切换有风险，用例或“失灵”

当我们将模型从豆包切换到千问，或者在同一个供应商下，某个视觉模型的免费 Token 用完后，换用其他模型时，之前编写的能够正常识别页面元素的测试用例，有极小的概率会出现执行失败的情况。这就要求我们在模型切换时，需要进行充分的测试和验证，以确保测试的稳定性和准确性。

收费情况实探：以阿里通义千问为例

为了更直观地了解收费情况，我以阿里的通义千问为例进行了一番测试。在批量运行 10 条 UI 自动化测试用例后，我查看了后台调用的 Token 统计图。从图中可以清晰地看到 Token 的消耗情况，大家可以根据自己的测试需求和频率，合理规划 Token 的使用，避免不必要的浪费。

• 模型及价格列表：

• 第一次运行统计：

• 第二次运行统计：

• 结果统计：

批量运行10个用例
	运行统计		输入		输出		合计
	用时(S)	成功率	数量(Tokens)	价格(¥)	数量(Tokens)	价格(¥)	总Token	总价
第一次	483	80%	138325	0.0016/千Token	3667	0.004/千Token	141992	0.235
第二次	367	90%	85637		2024		87661	0.145

如果你正在为 UI 自动化测试的效率和效果而烦恼，不妨尝试一下 Playwright + Midscene.js 的组合方案。虽然它存在一定的收费和兼容性问题，但其显著的优势无疑能为你的测试工作带来质的飞跃。在开启这场测试革新之旅前，务必充分了解收费标准，做好规划，让新技术更好地服务于你的工作。