AI2 Releases Fully Open-Source Web Agent MolmoWeb: Controlling Web Pages Using Only "Vision"

marsbitDipublikasikan tanggal 2026-03-26Terakhir diperbarui pada 2026-03-26

Abstrak

AI2 has released MolmoWeb, a groundbreaking, fully open-source web agent that operates solely by analyzing screenshots, marking a significant leap in vision-driven web navigation. Unlike traditional agents that rely on DOM, MolmoWeb captures and interprets visual data to make decisions—such as clicking, scrolling, or typing—making its process transparent and robust. Despite its compact size (4B and 8B parameters), MolmoWeb performs impressively: it scores 78.2% on the WebVoyager benchmark, nearing OpenAI’s proprietary o3 model (79.3%), and achieves up to 94.7% success with multiple attempts. It even surpasses Anthropic’s Claude3.7 in UI element localization. AI2 also released MolmoWebMix, a massive open dataset with 36K human-browsing tasks, over 2.2M screenshot-QA pairs, and GPT-4o-verified synthetic data. The model and data are fully available on Hugging Face and GitHub under Apache 2.0, promoting transparency and collaboration in AI development. Challenges remain in complex instructions, logins, and legal compliance.

The Allen Institute for Artificial Intelligence (AI2) recently released the groundbreaking fully open-source web agent MolmoWeb . Unlike traditional agents that rely on a webpage's underlying code (DOM), MolmoWeb makes decisions solely by reading screenshots, marking a significant leap forward in "vision-driven" web navigation technology.

Core Technology: "Seeing" Web Pages Like a Human

MolmoWeb's operating logic is very intuitive: it captures a screenshot of the current browser window, decides the next action (such as clicking, scrolling, or paging) through visual analysis, then executes it and repeats. This "what you see is what you get" model makes it more robust than traditional agents because the visual layout of a webpage is generally more stable than its underlying code, and its decision-making process is completely transparent and explainable to human users.

Performance Leap: Small Model Outperforms Giants

Despite having parameter sizes of only 4B and 8B, MolmoWeb demonstrates a "small but mighty" performance:

  • Topping the Charts: In the WebVoyager test, the 8B version scored an impressive 78.2%, not only ranking among the top open-source models but also approaching the performance of OpenAI's proprietary model o3 (79.3%).

  • Huge Potential: Research found that by running tasks multiple times and selecting the optimal result, its success rate could further jump to 94.7%.

  • Precise Localization: In UI element localization benchmark tests, it even surpassed Anthropic's Claude3.7.

Data Support: The Largest Open Dataset to Date

AI2 has not only open-sourced the model weights but also contributed a massive dataset named MolmoWebMix. This dataset contains:

  • 36,000 real browsing tasks completed by human volunteers.

  • Over 2.2 million screenshot-question-answer pairs.

  • Automated synthetic data verified by GPT-4o. Experiments show that synthetic data is even better than human trajectories at guiding the agent to find the "optimal path".

Open-Source Spirit and Future Challenges

Currently, MolmoWeb is fully available under the Apache 2.0 license on Hugging Face and GitHub. Although it still faces challenges in handling complex instructions, login authentication, and legal compliance (such as terms of service), AI2 firmly believes that only through complete transparency and community collaboration can we truly counter the data monopoly of large tech companies.

Pertanyaan Terkait

QWhat is the name of the fully open-source web agent released by the Allen Institute for AI (AI2) that navigates using only screenshots?

AThe web agent is called MolmoWeb.

QHow does MolmoWeb's approach to web navigation differ from traditional web agents?

AUnlike traditional agents that rely on a webpage's underlying code (DOM), MolmoWeb makes decisions by reading and analyzing screenshots, making it a 'vision-driven' technology.

QWhat was the performance score of the 8B parameter version of MolmoWeb on the WebVoyager test, and how does it compare to OpenAI's model?

AThe 8B version scored 78.2% on the WebVoyager test, which is very close to the performance of OpenAI's proprietary model o3, which scored 79.3%.

QWhat is the name of the large, open dataset released alongside MolmoWeb, and what does it contain?

AThe dataset is called MolmoWebMix. It contains 36,000 real browsing tasks completed by human volunteers, over 2.2 million screenshot-QA pairs, and automated synthetic data verified by GPT-4o.

QOn which platforms has MolmoWeb been made available, and under what license?

AMolmoWeb has been fully released on Hugging Face and GitHub under the Apache 2.0 license.

Bacaan Terkait

MoonPay Luncurkan PayBox

MoonPay, pengembang solusi pembayaran dalam mata uang kripto dan tradisional, meluncurkan PayBox. Ini adalah dompet pembayaran baru yang memungkinkan asisten AI seperti Claude dan ChatGPT melakukan transaksi. Pengguna dapat mengelola aset digital dan membayar layanan online dalam obrolan. Melalui permintaan ke AI, tindakan seperti pembelian PYUSD, pertukaran token, transfer aset antar blockchain, setoran ke protokol DeFi, dan pemesanan tiket pesawat dapat dilakukan. Pengguna mengonfirmasi setiap operasi dengan kunci akses sebelum transaksi diproses. PayBox mendukung Solana dan blockchain berbasis EVM, termasuk Ethereum, Base, Arbitrum, Polygon, Hyperliquid, Tempo, dan Robinhood Chain, dengan rencana penambahan jaringan lainnya. Platform ini dapat menyimpan dompet kripto dan kartu pembayaran. Keamanan dana dijamin dengan teknologi MPC (komputasi multipihak) dan lingkungan eksekusi aman, sehingga tidak ada satu pihak pun—termasuk MoonPay atau asisten AI—yang mendapatkan akses penuh ke aset pengguna. Terdapat dua mode manajemen izin: "Selalu Minta" memerlukan konfirmasi manual untuk setiap operasi, sementara mode "Otonom" memungkinkan AI melakukan transaksi secara mandiri dalam batasan yang ditetapkan pengguna. Semua izin dapat diubah atau dinonaktifkan kapan saja. PayBox didasarkan pada teknologi dari Sodot, pengembang solusi dompet kripto aman yang diakuisisi MoonPay tahun ini. Infrastruktur ini diklaim telah melindungi lebih dari $50 miliar aset digital di lebih dari 10 juta dompet.

cryptonews.ru1m yang lalu

MoonPay Luncurkan PayBox

cryptonews.ru1m yang lalu

Kepada Keluarga yang Saya Sayangi, Sangat Saya Minta Maaf Saat Ini: Para Ahli Dunia Kripto Tersandung di Pasar Saham

"Kini, yang paling saya sesali adalah keluarga." Kalimat ini sering terdengar belakangan ini, mencerminkan pembalikan pasar 180 derajat dan banyak hati yang hancur. Pasar saham Korea dan AS terkait penyimpanan (seperti SK Hynix, Micron, Sandisk) mengalami penurunan drastis, memicu kerugian besar. Banyak trader dan investor berpengaruh dari dunia crypto, yang sebelumnya sukses, ikut terimbas. Mereka beralih ke saham penyimpanan karena narasi AI dan kinerja menggiurkan, sementara pasar crypto relatif stagnan. Namun, narasi seperti AI dan penyimpanan seringkali cepat berubah. Puncaknya, saham seperti Nvidia sudah turun, dan kini giliran sektor penyimpanan yang terkoreksi keras. Banyak yang "terjungkal" karena dua alasan utama: kebiasaan menggunakan leverage (pinjaman) tinggi seperti produk 2x Long ETF, dan kurang paham perbedaan aturan perdagangan antar pasar saham (AS, Korea) yang kompleks, terutama ketika dijadikan kontrak perpetual di blockchain. Satu transaksi kecil di pasar pra-pembukaan Korea bahkan memicu "flash crash" dan likuidasi besar-besaran di platform crypto. Pasca kerugian, banyak trader melakukan introspeksi. Mereka menyadari bahwa metode sukses di crypto belum tentu berlaku di pasar saham tradisional yang diisi pemain dengan sumber daya dan pemahaman berbeda. Kunci bertahan seperti Warren Buffett adalah menghindari leverage berlebihan dan selalu menyediakan dana cadangan. Kerugian ini menjadi pengajaran keras bahwa pasar tidak hanya mengambil modal, tetapi juga kepercayaan diri. Namun, bagi yang bisa belajar dan memahami batas kemampuannya, selalu ada kesempatan di tahap selanjutnya.

marsbit43m yang lalu

Kepada Keluarga yang Saya Sayangi, Sangat Saya Minta Maaf Saat Ini: Para Ahli Dunia Kripto Tersandung di Pasar Saham

marsbit43m yang lalu

MoonPay Meluncurkan PayBox

MoonPay, pengembang solusi pembayaran dalam mata uang kripto dan tradisional, meluncurkan PayBox. Ini adalah dompet pembayaran baru yang memungkinkan asisten AI seperti Claude dan ChatGPT melakukan transaksi. Pengguna dapat mengelola aset digital dan membayar layanan online langsung dalam obrolan. Melalui perintah di AI, pengguna dapat melakukan berbagai tindakan seperti membeli PYUSD, menukar token, mentransfer aset antar blockchain, menyetor dana ke protokol DeFi, memesan tiket pesawat, dan lainnya. Setiap operasi harus dikonfirmasi oleh pengguna dengan kunci akses sebelum diproses. PayBox mendukung Solana dan blockchain berbasis EVM, termasuk Ethereum, Base, Arbitrum, Polygon, Hyperliquid, Tempo, dan Robinhood Chain, dengan rencana untuk menambahkan lebih banyak jaringan. Platform ini dapat menyimpan dompet kripto dan kartu pembayaran. Keamanan dana dijamin dengan teknologi MPC (Multiparty Computation) dan lingkungan eksekusi aman, memastikan tidak ada satu pihak pun—termasuk MoonPay atau asisten AI—yang memiliki akses penuh ke aset pengguna. PayBox menawarkan dua mode manajemen izin: "Selalu Minta" yang memerlukan konfirmasi manual untuk setiap transaksi, dan "Otonom" di mana AI dapat bertindak dalam batas yang ditetapkan pengguna. Semua izin dapat diubah atau dinonaktifkan kapan saja. Teknologi inti PayBox berasal dari Sodot, pengembang dompet kripto aman yang diakuisisi MoonPay tahun ini. Infrastruktur ini diklaim telah mengamankan lebih dari $50 miliar aset digital di lebih dari 10 juta dompet.

cryptonews.ru1j yang lalu

MoonPay Meluncurkan PayBox

cryptonews.ru1j yang lalu

Trading

Spot
活动图片