AI2 запустила MolmoWeb — открытый веб-агент с моделями на 4B и 8B параметров. Он обучается не в темноте и может действовать в браузере по скриншотам. Запуск стал важным, потому что закрытых решений сейчас меньше не бывает.
Ключевая новость: вместе с моделью вышел MolmoWebMix, самый большой публичный набор данных по web-задачам на момент релиза. Там 30 000 человеческих траекторий, 590 000 подзадач и 2,2 млн пар «скриншот-вопрос-ответ».
Модель, которая работает глазами пользователя, а не по HTML-структуре
\n
Раньше в браузерных агентах выбор был жесткий: закрытый API без прозрачности или фреймворк без обученной модели. У MolmoWeb появилось третье место. Вы видите не только поведение, но и основу.
Система работает только с изображением экрана, текущим URL и логом действий. Она читает скриншот, пишет reasoning (логическое мышление), потом делает шаг: клик, ввод, скролл или переход.
Важно: она не опирается на accessibility tree (структуру доступности страницы), поэтому цепочки выглядят ближе к реальному мышлению оператора за ноутбуком. Для автоматизации это означает меньше расхождений между тестом и живым браузером.
Что изменилось для практики: от «идея есть» до «процесс выполняется»
В прошлом такой агент часто цеплялся за API и не объяснял, как принимались решения. Теперь у пользователя есть модель, которую можно повторно обучать и расширять. Это главный сдвиг: контроль за пайплайном остаётся внутри команды.
Пример из практики: у вас есть 100 шагов проверки SaaS-аккаунта клиента. Вместо того, чтобы вручную идти по интерфейсам, агент может прогонять их как стандартный сценарий. Экономия вылезает не только в времени, но в повторяемости.
Еще важный момент: MolmoWeb ведёт себя как полу-наставник. Он отмечает узкие места в последовательности действий и часто лучше ловит ошибочные повороты на маршрутах. Когда задача неочевидна, он иногда ошибается, но это уже предмет калибровки.
Что умеет: почему он выделяется среди браузерных решений
\n- Два размера модели: 4B и 8B параметров, с которыми можно выбирать компромисс между скоростью и точностью.
- Полная прозрачность: открытые веса и открытый датасет для аудита, а не черный ящик.
- Browser-agnostic: работает с локальным Chrome, Safari и облачным browser service (браузерным сервисом), нужен только скриншот.
- Поэтапный reasoning (логическое мышление): модель формулирует мысль на каждом шаге, потом выполняет действие.
- Обучение на реальных маршрутах: 30 000 человеческих траекторий с более чем 1 100 сайтов.
- Микро-шаги: 590 000 демонстраций подзадач помогают модели лучше держать детали.
- GUI-навык: 2,2 млн screenshot-вопросов для считывания контекста интерфейса, включая локализацию элементов.
- Synthetic trajectories (синтетические траектории): текстовые системы создают дополнительный набор для расширения покрытия, без частного vision-агента.
- Слабые места: ошибки OCR (распознавания текста), нестабильный drag-and-drop, сложные инструкции и задачи с логинами.
На рынке это выглядит заметно: MolmoWeb закрывает пробел между «агент может думать» и «агент реально действует». Для отдела автоматизации это уже не эксперимент ради демо, а рабочий контур.
Сколько стоит и где бесплатный вход: таблица по тарифам и ограничениям
\n| Функция | Тарифный план | Цена | Ограничения |
|---|---|---|---|
| Open-weight веса MolmoWeb (4B / 8B) | Open-weight | Бесплатный доступ к релизу модели и коду | Нужны ваши GPU и инфраструктура для инференса |
| Использование MolmoWebMix | Open data | Без платы за датасет в рамках открытого релиза | Требует времени на хранение и подготовку данных |
| Локальный запуск через Chrome/Safari | Self-host (собственный хостинг) | Только затраты на вычисления и хранение | Требуются инженерные ресурсы для поддержки среды |
| Hosted demo с Browserbase | Плата провайдера | По тарифам Browserbase | Не включается в бесплатный базовый релиз |
| Кастомизация на внутренних процессах | По-случаям | Зависит от ваших часов и инфраструктуры | Потребуются дообучение и валидация на своих задачах |
Если сравнивать с API-only решениями, где вы платите за каждый вызов, этот путь выгоден командам, которым важен контроль стоимости на росте объема. Главное, платить придется не за доступ к модели, а за инфраструктуру запуска и качество внедрения.
Кому это надо прямо сейчас: короткий разбор по ролям
- Инженерам и CTO стартапов: автоматизация рутинных web-процессов и проверка гипотез в прод-среде.
- Маркетологам: сбор и обновление данных из веб-интерфейсов конкурентов без ручного копания.
- Разработчикам продуктов: проверка сценариев пользовательских flows через воспроизводимые траектории.
- QA-командам: регрессионные проверки интерфейсов на сериях шагов и экранных проверках.
- Агентствам автоматизации: демонстрационные PoC для клиентов с сильной визуальной логикой процессов.
- Исследовательским командам: создание воспроизводимых benchmark (тестов производительности) на web-задачах.
Кому не подойдет: если ваши процессы требуют сложных логинов, платежных операций и строгих финансовых сценариев. У модели это слабое место, и лучше не строить сразу критичный контур.
Как протестировать без боли за выходные
Берите один процесс на 20–30 шагов: проверка товара, создание записи, сбор данных из панели. Затем прогоняйте его через MolmoWeb на 10–20 траекториях. Сравните успехи до и после: число падений, время прохождения и долю ручного вмешательства.
- Сначала запускайте как эксперимент и фиксируйте метрики на своей benchmark (тесте производительности).
- Если задача повторяется больше 5 раз в день, смотрите на экономию инфраструктуры, а не на красивую демонстрацию.
- Для каждой неуспешной сессии отмечайте, где модель срывается: текст на экране, drag-and-drop или неоднозначный контекст.
- Только после 50–100 сценариев расширяйте автоматизацию и подключайте внутреннее fine-tuning (доподготовка).
Исходник и подробности релиза: VentureBeat.
Сильный вывод: MolmoWeb показывает переход от «агента как черного ящика» к «агента как управляемого конвейера». Если модель можно видеть, воспроизводить и дообучать, у вас появляется не просто помощник, а инструмент, который можно заставить работать как штатный сотрудник и под ваши процессы.