AI研究
Allen Institute for AI發布MolmoWeb：開源網頁代理直接挑戰OpenAI、Google
非營利AI研究機構Allen Institute for AI（Ai2）正式發布MolmoWeb，一款基於Molmo 2多模態模型的開源網頁操作代理。與閉源系統不同，開發者可完整審視其工作原理。8B參數版本在網頁導航基準測試中，性能超越部分OpenAI、Google和Anthropic的商業產品。
在大型科技公司主導AI代理賽道的背景下，非營利研究機構艾倫人工智能研究院（Allen Institute for AI，簡稱Ai2）帶來了一個重要的開源反擊：MolmoWeb——一款可以像人類一樣操作網頁瀏覽器的開源代理系統。
MolmoWeb的工作原理
MolmoWeb建立在Ai2最新的Molmo 2多模態模型家族之上，其核心工作方式與大多數代理系統有本質區別：
- 視覺優先：直接分析網頁截圖，而非依賴底層HTML/DOM結構
- 行為仿人：通過識別視覺元素，執行點擊、滾動、文字輸入等操作
- 任務導向：能夠規劃多步驟任務，如填寫表單、搜索資訊、導航複雜介面
這種「看截圖操作」的方式意味著MolmoWeb可以操作幾乎任何網頁，無論其底層技術實現如何。
基準測試：8B模型挑戰商業巨頭
在網頁導航基準測試中，MolmoWeb的8B參數版本取得了令人驚訝的成績：在多個測試任務上，其表現超過了部分來自OpenAI、Google DeepMind和Anthropic的商業代理產品。
這一結果意義重大——它表明在特定任務上，精心優化的小型開源模型，可以與研發預算高達數十億美元的閉源系統相抗衡。
開源的差異化價值
相比閉源代理系統，MolmoWeb的開源特性帶來了獨特優勢：
- 可審計性：開發者可以完整查看模型如何做出每一個決策
- 可定制性：企業可針對特定工作流程進行微調
- 無成本限制：按需自部署，無API調用費用
- 隱私保護：敏感操作可在本地運行，無需將截圖傳送至第三方服務器
機構轉型期的發布
值得關注的是，此次發布恰逢Ai2的關鍵轉型期——CEO Ali Farhadi及多名核心研究人員已相繼離開，加入微軟Mustafa Suleiman領導的超智能研究團隊。MolmoWeb的發布，在某種程度上也是Ai2在人才流失陰影下，向外界展示其持續研究實力的一次重要亮相。