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

marsbitОпубликовано 2026-03-26Обновлено 2026-03-26

Введение

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.

Связанные с этим вопросы

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.

Похожее

13 бизнес-направлений достигли годового дохода свыше 100 миллионов долларов: Robinhood движется к «суперфинансовому приложению»

В отчете за второй квартал 2026 года американский онлайн-брокер Robinhood продемонстрировал рекордный рост. Чистая выручка достигла 1,308 млрд долларов, увеличившись на 32%, а чистая прибыль составила 561 млн долларов, что на 45% больше. Рост был обеспечен за счет нескольких направлений. Доход от торговых операций вырос на 44% до 776 млн долларов, при этом выручка от рынка прогнозов (контракты на события) увеличилась более чем в 10 раз, достигнув 156 млн долларов. Количество пользователей с пополненными счетами достигло 28,4 млн, а общие активы на платформе составили 369 млрд долларов. Подписчики платной услуги Robinhood Gold выросли на 39% до 4,8 млн. Компания заявила, что 13 ее бизнес-направлений, включая торговлю акциями, опционами, криптовалютами, подписку Gold и рынок прогнозов, теперь генерируют годовую выручку более 1 млрд долларов каждое. Robinhood трансформируется из простой торговой платформы в комплексную финансовую экосистему, включающую управление активами, платежи и новые технологии. Компания делает ставку на развитие рынка прогнозов, а также инвестирует в интеграцию искусственного интеллекта (функция Agentic Trading) и блокчейн-технологий (собственная сеть Robinhood Chain). Главная стратегическая цель — эволюционировать из "торговой платформы для розничных инвесторов" в "супер-финансовое приложение", предлагающее широкий спектр услуг от инвестиций и управления капиталом до цифровых активов.

Odaily星球日报24 мин. назад

13 бизнес-направлений достигли годового дохода свыше 100 миллионов долларов: Robinhood движется к «суперфинансовому приложению»

Odaily星球日报24 мин. назад

13 бизнес-направлений с годовым доходом более 1 миллиарда: Robinhood движется к «супер-финансовому приложению»

30 июля 2026 года американский онлайн-брокер Robinhood (HOOD) опубликовал финансовые результаты за второй квартал. Ключевые показатели: * **Чистая выручка:** $1,308 млрд (+32% год к году), исторический рекорд. * **Чистая прибыль:** $561 млн (+45%). * **Доходы от транзакций:** $776 млн (+44%), основной двигатель роста. * **Чистый процентный доход:** $389 млн (+9%). * **Активы на платформе:** $369 млрд (+32%). * **Клиенты с пополненным счетом:** 28,4 млн (+7%). * **Подписчики Robinhood Gold:** 4,8 млн (+39%). Основные драйверы роста: 1. **Взрывной рост рынка прогнозов:** Доход от "событийных контрактов" (предсказательных рынков) достиг $156 млн, увеличившись более чем в 10 раз благодаря запуску собственной платформы Rothera и событиям вроде Чемпионата мира. 2. **Диверсификация бизнеса:** У Robinhood теперь 13 продуктов с годовым доходом свыше $1 млрд каждый (торговля акциями/опционами, криптовалюты, подписка Gold, кредитные карты, рынок прогнозов и др.). Это снижает зависимость от комиссий за сделки. 3. **Инвестиции в будущее:** Компания развивает новые направления: * **AI:** Функция Agentic Trading позволяет автоматизировать сделки через ИИ-агентов. * **Блокчейн:** Запущена сеть Robinhood Chain (Ethereum L2) для активов реального мира (RWA) и Web3. **Общий тренд:** Robinhood трансформируется из платформы для розничных транзакций в многофункциональный "супер-финтех-сервис" или "супер-финансовое приложение", охватывающее торговлю, управление капиталом, платежи и цифровые активы. Цель — создать комплексную финансовую экосистему для пользователей.

marsbit25 мин. назад

13 бизнес-направлений с годовым доходом более 1 миллиарда: Robinhood движется к «супер-финансовому приложению»

marsbit25 мин. назад

Фонд Ethereum пополняет состав правления сооснователем SEAL 911 на фоне усиления внимания к приватности

Фонд Ethereum (EF) назначил Паскаля Кавераччио, также известного как «pcaversaccio», сооснователя и руководителя криптографической группы реагирования на угрозы безопасности SEAL 911, в свой совет директоров. Это назначение связано с углублением внимания организации к конфиденциальности и безопасности. Кавераччио, давний контрибьютор Ethereum и член Silviculture Society фонда, присоединился к совету на добровольной основе на первоначальный срок в один год. Он вошел в состав четырех человек вместе с президентом Аей Миягучи, сооснователем Ethereum Виталиком Бутериным и швейцарским юристом Патриком Шторхенеггером. Совет директоров определяет стратегическое видение фонда и следит за соответствием решений руководства его ценностям, выполняя функции «совета по безопасности» для защиты миссии EF как швейцарского фонда. Назначение происходит на фоне усиления роли конфиденциальности и безопасности в стратегии организации. В июне фонд назвал эти аспекты «неподлежащими обсуждению гарантиями протокола» и заявил, что его команда по разработке протокола будет работать над внедрением исследований, включая конфиденциальность на первом уровне (L1) и постквантовую безопасность, для сохранения самосуверенности Ethereum.

cointelegraph50 мин. назад

Фонд Ethereum пополняет состав правления сооснователем SEAL 911 на фоне усиления внимания к приватности

cointelegraph50 мин. назад

ФРС ночью сбрасывает "ястребиную бомбу": процентные ставки без изменений, внутренние разногласия беспрецедентны за последнее десятилетие

Федеральная резервная система США (ФРС) на заседании 29 июля оставила ключевую процентную ставку без изменений в диапазоне 3,5–3,75%. Это уже пятое подряд заседание в 2026 году, на котором ставка не менялась, что само по себе соответствовало ожиданиям рынка. Однако главной неожиданностью стало рекордное за последнее десятилетие внутреннее разногласие: три члена Федерального комитета по открытому рынку (FOMC) проголосовали за повышение ставки на 25 базисных пунктов. Это сигнализирует о сохраняющемся давлении в сторону ужесточения политики для борьбы с инфляцией, которая остается высокой уже более пяти лет. Председатель ФРС Кристофер Уолш занял жёсткую позицию, подчеркнув, что целевой показатель инфляции в 2% является «единственной красной линией» и не подлежит пересмотру. Он заявил, что если инфляция не снизится, повышение ставок станет необходимым. При этом Уолш объявил о существенном отходе от практики «пропередвижения» (форвардного руководства), призвав рынки самостоятельно ориентироваться на экономические данные. На рынках решение ФРС и риторика Уолша вызвали волатильность. Доходность 30-летних казначейских облигаций взлетела до максимума с 2007 года, превысив 5,2%. Индекс Dow Jones обвалился на 2,19%, показав худшее падение за 15 месяцев. Доллар ослаб, а золото кратковременно преодолело уровень в 4100 долларов за унцию.

marsbit51 мин. назад

ФРС ночью сбрасывает "ястребиную бомбу": процентные ставки без изменений, внутренние разногласия беспрецедентны за последнее десятилетие

marsbit51 мин. назад

Когда инвестиции в НИОКР догнали США, соревнование в области чипов между Китаем и США всё ещё измеряется деньгами?

Согласно последнему отчету Ассоциации полупроводниковой промышленности США (SIA), Китай в 2024 году по паритету покупательной способности (ППС) достиг уровня США по общим расходам на НИОКР, что превышает 1 триллион долларов. Однако при пересчете по рыночному курсу США сохраняют значительное преимущество. Китайские расходы в основном сосредоточены на экспериментальных разработках (81,2% в 2024 году), тогда как в США выше доля фундаментальных исследований (около 15%). В полупроводниковой отрасли американские компании в 2025 году потратили на НИОКР 76,8 млрд долларов (около 15% выручки), что подкреплено их глобальным лидерством и коммерческим циклом. Китай наращивает инвестиции, но сталкивается с проблемами масштаба и эффективности. Ключевые вызовы включают переход от объема финансирования к качеству его распределения, укрепление связи между фундаментальной наукой и инженерной реализацией, а также прохождение полного цикла валидации продукции клиентами для создания устойчивых конкурентных преимуществ.

marsbit1 ч. назад

Когда инвестиции в НИОКР догнали США, соревнование в области чипов между Китаем и США всё ещё измеряется деньгами?

marsbit1 ч. назад

Торговля

Спот
活动图片