O Allen Institute for AI está lançando um agente web de código aberto que pode navegar e concluir tarefas em um navegador – permitindo que os desenvolvedores olhem nos bastidores para entender o que está acontecendo de maneiras que não seriam possíveis com sistemas fechados da OpenAI, Google e Anthropic.
O novo agente do instituto sem fins lucrativos com sede em Seattle, MolmoWebé construído na família de modelos multimodais Molmo 2 da Ai2. Ele funciona interpretando capturas de tela de páginas da web da mesma forma que uma pessoa faria, em vez de depender do código da página subjacente e, em seguida, decidir e executar ações como clicar, digitar e rolar para concluir uma tarefa.
O lançamento na terça-feira ocorre em um momento de transição para a Ai2, com o CEO Ali Farhadi e os principais pesquisadores partindo para a Microsoft, onde se juntarão à equipe de Superinteligência de Mustafa Suleyman. O principal financiador da Ai2 está a desviar o seu foco da formação de modelos para aplicações de IA no mundo real, embora todos os programas da Ai2 para 2026 sejam totalmente financiados.
As principais empresas de tecnologia estão correndo para construir agentes de IA capazes de navegar em computadores e na web em nome dos usuários. OpenAI, Google e Anthropic lançaram seus próprios agentes de uso da web ou de computador nos últimos meses.
A Anthropic adquiriu recentemente a startup Vercept, com sede em Seattle, fundada por veteranos da Ai2, que estava construindo tecnologia de agente de compreensão de tela semelhante para Macs e PCs.
“De muitas maneiras, os agentes da web hoje estão onde os LLMs estavam antes de Olmo – a comunidade precisa de uma base aberta para construir”, Ai2 diz em uma postagem no blogreferindo-se ao seu projeto de modelo de linguagem aberta de grande porte que serviu de contraponto aos modelos fechados da OpenAI e outros.
MolmoWeb vem em dois tamanhos, parâmetros 4B e 8B. Ai2 diz que os modelos apresentaram fortes resultados de benchmark, com a versão 8B superando os agentes construídos em modelos proprietários muito maiores, incluindo GPT-4o, nas principais tarefas de navegação na web, de acordo com o instituto.
Está disponível através Abraçando o rosto e GitHubjunto com uma demonstração para testar o agente em um conjunto de sites suportados. Leia mais em esta postagem Ai2.
