Perkenalan MolmoWeb
MolmoWeb adalah agen web terbuka yang dikembangkan oleh Allen Institute for AI (AI2). Agen ini dapat menavigasi web menggunakan hanya screenshot, tanpa memerlukan akses ke kode sumber atau struktur halaman. Ini berarti bahwa MolmoWeb dapat berinteraksi dengan web seperti manusia, dengan melihat dan memahami konten visual.
Detail Teknis
MolmoWeb dilatih pada dataset yang sangat besar, yang terdiri dari rekaman browsing manusia, runs yang dihasilkan secara otomatis, dan pasangan screenshot-pertanyaan-jawaban. Agen ini menggunakan arsitektur Molmo2 dan Qwen3 sebagai model bahasa, serta SigLIP2 sebagai pengkode visi.
Fitur Utama
- Menggunakan hanya screenshot: MolmoWeb tidak memerlukan akses ke kode sumber atau struktur halaman untuk menavigasi web.
- Dilatih pada dataset besar: MolmoWeb dilatih pada dataset yang sangat besar, yang terdiri dari rekaman browsing manusia dan runs yang dihasilkan secara otomatis.
- Menggunakan arsitektur Molmo2 dan Qwen3: MolmoWeb menggunakan arsitektur Molmo2 dan Qwen3 sebagai model bahasa, serta SigLIP2 sebagai pengkode visi.
Pendapat Geek
MolmoWeb adalah contoh yang baik dari bagaimana agen web terbuka dapat mengubah cara kita berinteraksi dengan internet. Dengan menggunakan hanya screenshot, MolmoWeb dapat berinteraksi dengan web seperti manusia, tanpa memerlukan akses ke kode sumber atau struktur halaman. Ini adalah langkah besar dalam pengembangan agen web terbuka, dan dapat membuka peluang baru untuk pengembangan aplikasi web yang lebih cerdas dan interaktif.
