أول وكيل ويب مفتوح المصدر لا يحتاج إلى HTML يتفوق على GPT-4o

أصدر فريق من الباحثين MolmoWeb، وهي عائلة من وكلاء الويب متعددي الوسائط مفتوحة المصدر بالكامل. يحقق الوكلاء نتائج متطورة في معايير المتصفح، متفوقين على النماذج المملوكة مثل GPT-4o. لا يحتاجون إلى الوصول إلى HTML أو أشجار الوصول أو واجهات برمجة تطبيقات متخصصة. ai2-opens-the-hood-on-olmo-3-every-checkpoint-every-data-point-every-decision

يتوفر الوكلاء بأحجام 4 مليار و8 مليار معلمة. تم تدريبهم على مجموعة بيانات تسمى MolmoWebMix تجمع بين أكثر من 100,000 مسار مهمة تركيبي من خطوط إنتاج متعددة وأكثر من 30,000 تجربة بشرية، ومسارات مهارات ويب ذرية، وبيانات إدراك لواجهة المستخدم بما في ذلك تأريض التعبير المرجعي والإجابة على أسئلة لقطة الشاشة.

أداء متطور

في معايير استخدام المتصفح مثل WebVoyager وOnline-Mind2Web وDeepShop، يحقق وكلاء MolmoWeb نتائج متطورة، متفوقين على النماذج مفتوحة الوزن فقط ذات المقياس المماثل بما في ذلك Fara-7B وUI-Tars-1.5-7B وHolo1-7B. بشكل ملحوظ، يتفوق MolmoWeb-8B أيضًا على وكلاء set-of-marks المبنية على نماذج أمامية مغلقة أكبر بكثير مثل GPT-4o. domyn-and-aisquared-build-on-ai2s-open-releases-for-regulated-industries

أظهر الباحثون مكاسب ثابتة من خلال توسيع نطاق الاختبار عبر عمليات طرح متوازية مع اختيار أفضل N. على WebVoyager وOnline-Mind2Web، حققوا 94.7% و60.5% pass@4، مقارنة بـ 78.2% و35.3% pass@1.

العمل بدون HTML

على عكس العديد من وكلاء الويب الحاليين الذين يعتمدون على تحليل HTML أو أشجار الوصول، يعمل وكلاء MolmoWeb فقط من لقطات الشاشة. بالنظر إلى تعليمات المهمة ولقطة شاشة صفحة الويب، يتوقعون إجراء المتصفح التالي. وهذا يجعلهم سياسات إجراءات قائمة على الرؤية حقًا. يلغي التصميم الحاجة إلى واجهات برمجة تطبيقات متخصصة ويحسن المتانة عبر بيئات الويب المختلفة.

البيانات المفتوحة وإمكانية التكرار

التزم الفريق وراء MolmoWeb، الذي يعتمد على نموذج الرؤية واللغة Molmo السابق، بإصدار نقاط التحقق من النموذج وبيانات التدريب والكود وأداة تقييم موحدة. وهذا يتناقض مع الأنظمة المملوكة التي تظل بيانات التدريب ووصفاتها غير معلنة، مما يحد من الفهم العلمي والتقدم بقيادة المجتمع. nvidias-nemotron-data-atlas-reveals-why-synthetic-data-is-the-real-agent-bottleneck

نعتقد أن وكلاء الويب المفتوح يجب أن يُبنوا علنًا،

يكتب الباحثون في ورقتهم البحثية. يهدف الإصدار إلى تسريع الأبحاث المفتوحة حول وكلاء الويب وتمكين إمكانية التكرار.

رد فعل المجتمع

جذبت الورقة البحثية انتباهًا فوريًا من مجتمع أبحاث الذكاء الاصطناعي. حدد Librarian Bot على Hugging Face العديد من الأوراق ذات الصلة، بما في ذلك OpAgent: Operator Agent for Web Navigation وWebFactory: Automated Compression of Foundational Language Intelligence into Grounded Web Agents، وكلاهما من عام 2026، مما يشير إلى زخم متزايد في مجال وكلاء الويب المفتوح. why-you-should-drop-everything-and-install-openmanus-right-now

لاحظ المراقبون الصناعيون أن القدرة على مطابقة أو تجاوز أداء النموذج المملوك بجزء بسيط من تكلفة الحوسبة وبشفافية كاملة قد تضغط على المختبرات الأكبر لإعادة النظر في أساليبها المغلقة.

MolmoWeb-8B متاح الآن للتحميل والتجربة. من المتوقع صدور مجموعة البيانات الكاملة وقاعدة الكود في الأسابيع القادمة.