在人工智能領(lǐng)域，能夠自主瀏覽網(wǎng)頁并完成任務(wù)的智能體正成為研究熱點。近日，Allen人工智能研究所（Ai2）推出了名為MolmoWeb的開源視覺網(wǎng)絡(luò)智能體，這一成果為該領(lǐng)域帶來了新的突破。作為Molmo 2模型家族的新成員，MolmoWeb以其獨特的技術(shù)路徑和開源特性引發(fā)了廣泛關(guān)注。

MolmoWeb的最大亮點在于其開源屬性。該模型提供了40億和80億參數(shù)兩種版本，這種輕量化設(shè)計使其能夠在本地設(shè)備上運(yùn)行，大大降低了使用門檻。與市場上許多依賴專有技術(shù)的同類產(chǎn)品不同，Ai2團(tuán)隊選擇了完全開放的道路，不僅公開了模型權(quán)重，還同步發(fā)布了訓(xùn)練數(shù)據(jù)、代碼（即將上線）和評估工具，為研究人員提供了完整的研究框架。

在技術(shù)實現(xiàn)上，MolmoWeb采用了與眾不同的訓(xùn)練方法。研究團(tuán)隊沒有借助專有視覺智能體的知識蒸餾，而是通過兩種途徑構(gòu)建訓(xùn)練數(shù)據(jù)：一是收集了30,000個人類操作軌跡，覆蓋1,100多個網(wǎng)站的近600,000個子任務(wù)；二是利用可訪問性樹技術(shù)生成合成軌跡。這種組合方式既保證了數(shù)據(jù)的多樣性，又解決了單純依賴人工標(biāo)注成本高昂的問題。訓(xùn)練數(shù)據(jù)中還包含了220多萬個問答對，幫助模型理解網(wǎng)頁內(nèi)容。

實際性能測試顯示，MolmoWeb在多個基準(zhǔn)測試中表現(xiàn)優(yōu)異。在瀏覽器操作任務(wù)中，它的表現(xiàn)超過了OpenAI的舊版GPT-4o模型，在開放權(quán)重模型中更是領(lǐng)先于Fara-7B和GLM-4.1V-9B等競爭對手。盡管與Anthropic、谷歌等公司的專有模型相比仍有差距，但MolmoWeb的開源特性使其成為研究社區(qū)的重要參考。

Ai2團(tuán)隊強(qiáng)調(diào)，他們的目標(biāo)不是與商業(yè)巨頭競爭，而是為學(xué)術(shù)界提供可復(fù)現(xiàn)的研究基礎(chǔ)。當(dāng)前網(wǎng)絡(luò)智能體領(lǐng)域面臨的一個關(guān)鍵問題是缺乏公開資源，這限制了研究的透明度和進(jìn)展速度。MolmoWeb的發(fā)布，包括其龐大的訓(xùn)練數(shù)據(jù)集（包含帶注釋的網(wǎng)頁截圖和操作軌跡），為解決這一問題提供了重要資源。

目前，MolmoWeb的相關(guān)資源已在Hugging Face和GitHub平臺開放下載。研究人員可以獲取完整的模型架構(gòu)、訓(xùn)練數(shù)據(jù)集以及評估工具包，這為深入理解網(wǎng)絡(luò)智能體的工作原理和改進(jìn)方向提供了寶貴機(jī)會。隨著更多研究者基于這一開源框架開展工作，網(wǎng)絡(luò)智能體技術(shù)有望迎來新的發(fā)展階段。