AI2 Công Bố Trình Tác Vụ Web Mã Nguồn Mở Toàn Phần MolmoWeb: Chỉ Cần 'Thị Giác' Là Có Thể Điều Khiển Trang Web

marsbitXuất bản vào 2026-03-26Cập nhật gần nhất vào 2026-03-26

Tóm tắt

Viện Nghiên cứu Trí tuệ Nhân tạo Allen (AI2) vừa công bố tác nhân duyệt web mã nguồn mở đột phá **MolmoWeb**. Khác với các tác nhân truyền thống phụ thuộc vào mã nguồn trang web (DOM), MolmoWeb chỉ đưa ra quyết định dựa trên việc đọc ảnh chụp màn hình, đánh dấu một bước nhảy vọt lớn trong công nghệ điều hướng web dựa trên "thị giác". MolmoWeb hoạt động theo cách chụp ảnh màn hình trình duyệt, phân tích hình ảnh để quyết định thao tác tiếp theo (như nhấp chuột, cuộn trang), rồi thực hiện và lặp lại. Phương thức này giúp nó mạnh mẽ hơn vì bố cục trực quan của trang web thường ổn định hơn mã nguồn. Về hiệu suất, dù chỉ có quy mô tham số 4B và 8B, MolmoWeb thể hiện sức mạnh vượt trội: - **Dẫn đầu bảng xếp hạng:** Phiên bản 8B đạt **78.2%** trên bài kiểm tra WebVoyager, không chỉ đứng đầu trong các mô hình nguồn mở mà còn sát với mô hình độc quyền o3 của OpenAI (79.3%). - **Tiềm năng lớn:** Bằng cách chạy lặp lại và chọn kết quả tốt nhất, tỷ lệ thành công có thể tăng vọt lên **94.7%**. - **Định vị chính xác:** Nó thậm chí vượt qua Claude3.7 của Anthropic trong các bài kiểm tra định vị phần tử giao diện. AI2 cũng công bố bộ dữ liệu mở khổng lồ **MolmoWebMix**, bao gồm: - **36.000 nhiệm vụ duyệt web thực** được thực hiện bởi tình nguyện viên. - Hơn **2.2 triệu** cặp ảnh chụp màn hình - câu hỏi. - Dữ liệu tổng hợp tự động được xác thực bởi GPT-4o, thậm chí còn hiệu quả hơn dữ liệu con người trong việc hướng dẫn tác nhân. Hiện tại, MolmoWeb đã được mở hoàn toàn trên **...

Viện Nghiên Cứu Trí Tuệ Nhân Tạo Allen (AI2) gần đây đã công bố trình tác vụ web mã nguồn mở đột phá MolmoWeb . Khác với các trình tác vụ truyền thống phụ thuộc vào mã nguồn cơ bản (DOM) của trang web, MolmoWeb chỉ đưa ra quyết định thông qua việc đọc ảnh chụp màn hình, đánh dấu một bước tiến vượt bậc trong công nghệ điều hướng web 'được điều khiển bằng thị giác'.

Công Nghệ Cốt Lõi: 'Nhìn' Trang Web Như Con Người

Logic hoạt động của MolmoWeb rất trực quan: nó chụp ảnh màn hình cửa sổ trình duyệt hiện tại, phân tích thị giác để quyết định thao tác tiếp theo (như nhấp chuột, cuộn, lật trang), sau đó thực hiện và lặp lại. Mô hình 'thấy là có' này giúp nó mạnh mẽ hơn so với các trình tác vụ truyền thống, vì bố cục trực quan của trang web thường ổn định hơn mã nguồn cơ bản, và quá trình ra quyết định của nó hoàn toàn minh bạch và có thể giải thích được đối với người dùng.

Bước Nhảy Về Hiệu Suất: Mô Hình Nhỏ Đánh Bại Gã Khổng Lồ

Mặc dù quy mô tham số của MolmoWeb chỉ là 4B và 8B, nhưng về hiệu suất lại thể hiện sức mạnh 'lấy nhỏ thắng lớn':

  • Dẫn Đầu Bảng Xếp Hạng: Trong bài kiểm tra WebVoyager, phiên bản 8B đạt điểm số cao tới 78.2%, không chỉ đứng đầu trong các mô hình mã nguồn mở, mà còn tiệm cận với mô hình độc quyền o3 của OpenAI (79.3%).

  • Tiềm Năng Lớn: Nghiên cứu phát hiện, thông qua việc chạy lặp lại tác vụ và lọc ra kết quả tối ưu, tỷ lệ thành công của nó có thể nhảy vọt lên 94.7%.

  • Định Vị Chính Xác: Trong bài kiểm tra chuẩn định vị phần tử UI, nó thậm chí còn vượt qua Claude3.7 của Anthropic.

Dữu Liệu Hỗ Trợ: Bộ Dữ Liệu Mở Lớn Nhất Từ Trước Đến Nay

Lần này, AI2 không chỉ mở mã nguồn trọng số mô hình, mà còn đóng góp một bộ dữ liệu khổng lồ có tên MolmoWebMix. Bộ dữ liệu này bao gồm:

  • 3.6 vạn lượt tác vụ duyệt web thực được hoàn thành bởi các tình nguyện viên con người.

  • Hơn 2.2 triệu cặp ảnh chụp màn hình - câu hỏi đáp án.

  • Dữ liệu tổng hợp tự động được xác minh bởi GPT-4o. Thực nghiệm chứng minh, dữ liệu tổng hợp trong việc hướng dẫn tác nhân thông minh tìm kiếm 'con đường tối ưu' thậm chí còn vượt trội hơn so với quỹ đạo của con người.

Tinh Thần Mã Nguồn Mở Và Thách Thức Tương Lai

Hiện tại, MolmoWeb đã được mở hoàn toàn trên Hugging Face và GitHub thông qua giao thức Apache2.0. Mặc dù vẫn phải đối mặt với những thách thức trong việc xử lý các chỉ dẫn phức tạp, xác thực đăng nhập và tuân thủ pháp lý (như điều khoản dịch vụ), nhưng AI2 tin tưởng rằng chỉ thông qua sự minh bạch hoàn toàn và sự hợp tác cộng đồng, mới có thể thực sự chống lại sự độc quyền dữ liệu của các công ty công nghệ lớn.

Câu hỏi Liên quan

QMolmoWeb là gì và nó khác biệt như thế nào so với các tác nhân duyệt web truyền thống?

AMolmoWeb là một tác nhân duyệt web mã nguồn mở hoàn toàn do Viện Trí tuệ Nhân tạo Allen (AI2) phát triển. Khác với các tác nhân truyền thống phụ thuộc vào mã nguồn HTML (DOM) của trang web, MolmoWeb chỉ đưa ra quyết định dựa trên việc đọc ảnh chụp màn hình, đánh dấu một bước tiến lớn trong công nghệ điều hướng web dựa trên thị giác.

QMolmoWeb hoạt động như thế nào?

AMolmoWeb hoạt động theo một quy trình trực quan: nó chụp ảnh màn hình cửa sổ trình duyệt hiện tại, phân tích hình ảnh để đưa ra quyết định cho thao tác tiếp theo (như nhấp chuột, cuộn trang, chuyển trang), thực hiện thao tác đó và lặp lại quá trình. Cách tiếp cận 'nhìn thấy là làm được' này giúp nó mạnh mẽ hơn vì bố cục trực quan của trang web thường ổn định hơn mã nguồn.

QHiệu suất của MolmoWeb so với các mô hình lớn hơn như thế nào?

AMặc dù có quy mô tham số khiêm tốn (4B và 8B), MolmoWeb thể hiện hiệu suất vượt trội. Phiên bản 8B đạt 78.2% trên bài kiểm tra WebVoyager, gần bằng mô hình độc quyền o3 của OpenAI (79.3%) và thậm chí còn vượt trội hơn Claude3.7 của Anthropic trong các bài kiểm tra định vị phần tử giao diện người dùng. Nếu chạy nhiều lần và chọn kết quả tốt nhất, tỷ lệ thành công của nó có thể tăng lên đến 94.7%.

QBộ dữ liệu MolmoWebMix đi kèm có những đặc điểm gì nổi bật?

ABộ dữ liệu MolmoWebMix là một trong những bộ dữ liệu mở lớn nhất, bao gồm: 36.000 nhiệm vụ duyệt web thực tế được thực hiện bởi tình nguyện viên con người, hơn 2.2 triệu cặp ảnh chụp màn hình - câu hỏi, và dữ liệu tổng hợp được xác minh bởi GPT-4o. Nghiên cứu chỉ ra rằng dữ liệu tổng hợp thậm chí còn hiệu quả hơn dữ liệu con người trong việc hướng dẫn tác nhân tìm ra 'con đường tối ưu'.

QMolmoWeb đã được phát hành như thế nào và còn thách thức nào?

AMolmoWeb đã được phát hành hoàn toàn miễn phí trên Hugging Face và GitHub với giấy phép Apache 2.0. AI2 tin rằng chỉ thông qua sự minh bạch và hợp tác cộng đồng hoàn toàn, họ mới có thể chống lại sự độc quyền dữ liệu của các công ty công nghệ lớn. Tuy nhiên, tác nhân này vẫn còn những thách thức như xử lý các hướng dẫn phức tạp, xác thực đăng nhập và tuân thủ pháp lý (ví dụ: điều khoản dịch vụ).

Nội dung Liên quan

Dự đoán giá TON/GRAM – Thông báo ra mắt ví Gram của Telegram đẩy giá token tăng: Đợt tăng giá có thể tiếp tục?

Người sáng lập Telegram, Pavel Durov, đã công bố kế hoạch triển khai ví tiền mã hóa Gram không giám sát (non-custodial) bản địa trên tất cả các ứng dụng Telegram. Ông mô tả đây là "đợt ra mắt ví tiền mã hóa không giám sát lớn nhất trong lịch sử nhân loại", hứa hẹn giao dịch tức thì, miễn phí cho hơn một tỷ người dùng. Sau thông báo này, giá token TON (sắp được đổi tên thành GRAM) đã tăng hơn 7%, giao dịch quanh mức 1,53 USD. Tuy nhiên, đồng tiền này vẫn đối mặt với kháng cự quanh 1,60 USD và còn thấp hơn nhiều so với đỉnh tháng 5 (gần 2,80 USD), cho thấy xu hướng giảm tổng thể vẫn chưa đảo ngược. Chỉ số RSI hàng ngày ở khoảng 45 cho thấy động lực giảm đã giảm bớt nhưng vẫn trong vùng yếu. Việc triển khai ví Gram có thể giảm đáng kể rào cản sử dụng tiền mã hóa, đưa thanh toán blockchain vào trực tiếp một nền tảng nhắn tin hàng đầu. Thành công sẽ phụ thuộc vào mức độ tương tác của người dùng, nhưng quy mô người dùng hiện có của Telegram hứa hẹn một trong những đợt triển khai tiền mã hóa hướng đến người tiêu dùng lớn nhất từ trước đến nay.

ambcrypto16 phút trước

Dự đoán giá TON/GRAM – Thông báo ra mắt ví Gram của Telegram đẩy giá token tăng: Đợt tăng giá có thể tiếp tục?

ambcrypto16 phút trước

Làm thế nào 40.8 triệu ETH được stake có thể củng cố ưu thế của Ethereum so với Bitcoin

Hai con cá voi lớn đã tích lũy lần lượt hơn 74.000 ETH và 10.000 ETH, và đặc biệt, họ đã khóa 100% số ETH này vào staking ngay lập tức. Đây không phải là sự kiện riêng lẻ, mà phản ánh một xu hướng rộng lớn hơn: lượng ETH được staking đã đạt kỷ lục 40,8 triệu ETH, tương đương 33,5% tổng nguồn cung. Hàng đợi validator mới đang tăng lên 2,4 triệu ETH, trong khi hàng đợi rút về bằng 0, cho thấy nhu cầu staking mạnh mẽ và làm thắt chặt nguồn cung ETH lưu hành. Song song đó, hệ sinh thái DeFi của Ethereum cũng đang ghi nhận sự gia tăng mạnh mẽ về hoạt động. Số giao dịch cá voi lớn hơn 100.000 USD liên quan đến Wrapped Ethereum (WETH) đạt mức cao nhất kể từ tháng 5/2021, và tổng giá trị bị khóa (TVL) tăng hơn 5 tỷ USD trong chưa đầy mười ngày. Tác động kép từ việc thắt chặt nguồn cung nhờ staking và thanh khoản tăng trong DeFi đang bắt đầu thể hiện trên biểu đồ kỹ thuật. Tỷ lệ ETH/BTC đã phá vỡ mức kháng cự 0,025 và đang tiến gần đến vùng kháng cự quan trọng tiếp theo quanh 0,03, thiết lập nền tảng cho đợt tăng giá vượt trội tiếp theo của Ethereum so với Bitcoin.

ambcrypto48 phút trước

Làm thế nào 40.8 triệu ETH được stake có thể củng cố ưu thế của Ethereum so với Bitcoin

ambcrypto48 phút trước

Điểm bão trong thị trường chứng khoán toàn cầu: Việc giảm đòn bẩy của thị trường chứng khoán Hàn Quốc về cơ bản đã hoàn tất

Thị trường chứng khoán Hàn Quốc gần đây trải qua biến động mạnh, với chỉ số KOSPI giảm tới 32% từ mức đỉnh. Nguyên nhân chính được xác định là cơ cấu vốn vay (leverage) tập trung cao, đặc biệt là từ các quỹ ETF có đòn bẩy và các quỹ phòng hộ. Quy mô của các quỹ ETF có đòn bẩy đã giảm từ khoảng 500 tỷ USD xuống còn 260 tỷ USD, với tiến trình giảm đòn bẩy ước tính đạt khoảng 75%. Song song đó, các quỹ phòng hộ cũng đã giảm đòn bẩy hơn 50%. Trong khi đó, rủi ro từ khoản vay ký quỹ của nhà đầu tư cá nhân được đánh giá là có hạn, chiếm tỷ trọng nhỏ trong tổng vốn hóa thị trường và không có cơ chế bán ép tự động như ETF. Các nhà chức trách Hàn Quốc đã bắt đầu siết chặt quy định đối với các sản phẩm đòn bẩy để ngăn chặn rủi ro hệ thống. Với phần lớn quá trình giảm đòn bẩy cưỡng bức đã hoàn thành, thị trường được kỳ vọng sẽ chuyển từ giai đoạn điều chỉnh do thanh khoản sang định giá dựa trên cơ bản. Bài viết nhấn mạnh rằng xu hướng AI cơ bản vẫn không thay đổi, và sự điều chỉnh này giống như một đợt thanh lọc sau khi giao dịch quá mua hơn là sự kết thúc của làn sóng AI. Sự bất ổn chủ yếu bắt nguồn từ vị thế tập trung vào lĩnh vực chip bán dẫn - trung tâm của chuỗi cung ứng AI. Tác giả kết luận rằng nếu xu hướng AI là đúng đắn, thì những biến động hiện tại chỉ là chi phí phải trả trên con đường dài, tạo cơ hội để tham gia vào một cuộc cách mạng công nghệ mang tính thời đại.

链捕手56 phút trước

Điểm bão trong thị trường chứng khoán toàn cầu: Việc giảm đòn bẩy của thị trường chứng khoán Hàn Quốc về cơ bản đã hoàn tất

链捕手56 phút trước

92,9% token tiền điện tử ra mắt từ năm 2024 giao dịch dưới giá lúc TGE: CryptoRank

Theo dữ liệu mới từ CryptoRank, gần 93% token tiền điện tử được ra mắt từ năm 2024 hiện đang giao dịch dưới mức giá tại thời điểm phát hành token (TGE), cho thấy những thách thức lớn mà các dự án mới phải đối mặt trong việc duy trì định giá ban đầu. Nghiên cứu tập trung vào các token có vốn hóa thị trường trên 100 triệu USD, được ra mắt từ 2024 đến 2026. Kết quả cho thấy chỉ 7,1% (8/113 dự án) vẫn giao dịch trên giá TGE, trong khi 92,9% (105 dự án) đã giảm xuống dưới mức này. Lợi nhuận trung bình của toàn bộ mẫu là -95,7%. Một số ít dự án thành công nổi bật bao gồm Hyperliquid (HYPE) tăng 1.519%, Ondo Finance (ONDO) tăng 101,4%, EverValue Coin (EVA) tăng 20,32% và Midnight Network (NIGHT) tăng 16,50%. Phát hiện này phản ánh thị trường ngày càng trở nên kén chọn. Vốn tập trung vào nhóm nhỏ các dự án chứng minh được sự tăng trưởng sản phẩm, hệ sinh thái hoặc nhu cầu thị trường mạnh mẽ. Nhà đầu tư hiện quan tâm nhiều hơn đến tokenomics, nguồn cung lưu hành, lịch mở khóa và tiện ích dài hạn thay vì chỉ đà tăng ngày ra mắt. Xu hướng này có thể ảnh hưởng đến cách các dự án trong tương lai thực hiện đợt phát hành token, với sự chú trọng hơn vào các mô hình phân phối bền vững và tăng trưởng hệ sinh thái lâu dài, thay vì định giá ban đầu quá cao.

ambcrypto1 giờ trước

92,9% token tiền điện tử ra mắt từ năm 2024 giao dịch dưới giá lúc TGE: CryptoRank

ambcrypto1 giờ trước

Mảnh Vỡ Vĩnh Hằng Của Tiền Tệ: Thanh Toán Bên Thứ Ba Không Có Tính Nguyên Lý Đầu Tiên

Tác giả phân tích tình hình ngành thanh toán hiện tại và chiến lược của Stripe. Stripe, từng đạt định giá 100 tỷ USD, đã bỏ lỡ cơ hội IPO trong đại dịch và giờ đang tìm cách mua lại PayPal để bổ sung thị phần C2C, đồng thời bù đắp cho những nỗ lực chưa thành công trong việc mở rộng sang thị trường stablecoin (qua OUSD, Tempo) và kinh tế Agent. Bài viết chỉ ra hai đặc điểm cố hữu cản trở sự thống trị của ngành: tính phân mảnh cao (theo quốc gia, ngành) và bản chất phụ thuộc vào hệ thống ngân hàng. Các sáng kiến như stablecoin hay Agent vẫn cần đi qua các cổng ngân hàng truyền thống để pháp định hóa. Để thoát khỏi cuộc chiến tranh chiến hào không hồi kết và nâng trần định giá vốn bị giới hạn ở FinTech, Stripe và các công ty tương tự (như Circle) đang chuyển hướng chiến lược. Thay vì chỉ cạnh tranh trên phí giao dịch hay phân chia lợi nhuận từ stablecoin, họ nhắm đến mạng lưới thanh toán bù trừ (clearing network) dựa trên hiệu quả vốn của các blockchain riêng (như Tempo của Stripe). Với giấy phép ngân hàng OCC, họ kỳ vọng hệ thống thanh toán bù trừ hiệu suất cao này có thể cắt giảm sự phụ thuộc vào ngân hàng thương mại và giữ lại lợi nhuận. Tóm lại, tương lai của các công ty thanh toán không nằm ở việc trở thành "cổng vào" duy nhất, mà ở các dịch vụ gia tăng như mạng lưới thanh toán bù trừ dựa trên công nghệ mới, với kỳ vọng Agent và stablecoin sẽ là chất xúc tác cho sự chuyển đổi này.

链捕手1 giờ trước

Mảnh Vỡ Vĩnh Hằng Của Tiền Tệ: Thanh Toán Bên Thứ Ba Không Có Tính Nguyên Lý Đầu Tiên

链捕手1 giờ trước

Giao dịch

Giao ngay
活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow