Allen Institute for AI (Ai2) vydal 24. března MolmoWeb, open-source AI agenta, který dokáže autonomně procházet webové stránky interpretací snímků obrazovky stejně jako člověk. Model je dostupný ve verzích se 4 a 8 miliardami parametrů, přičemž 8B verze dosáhla 78,2 % v benchmarku WebVoyager — a překonala agenty postavené na GPT-4o a Claude 3.7, kteří spoléhají na čtení zdrojového kódu stránky.
Na rozdíl od proprietárních konkurentů, jako jsou ChatGPT Atlas od OpenAI a Comet od Perplexity, jsou váhy, tréninková data i kód MolmoWebu plně otevřené. Ai2 také zveřejnil MolmoWebMix, dataset obsahující 36 000 lidských trajektorií úloh napříč více než 1 100 weby s 623 000 jednotlivými demonstracemi podúloh — čímž řeší kritický nedostatek veřejných trénovacích dat pro webové agenty.
Vydání signalizuje posun ve vývoji AI agentů směrem k transparentnosti. Díky práci se snímky obrazovky místo HTML je MolmoWeb odolnější vůči změnám na webových stránkách a spotřebovává méně výpočetních tokenů. S technikou škálování při inferenci model dosahuje 94,7 % na WebVoyager, což konkuruje nejlepším uzavřeným systémům na trhu.
