对八个用于浏览器代理的视觉大语言模型（LLMs）进行了比较，重点关注它们在截图基础上的能力。令人惊讶的发现是，Qwen 3.5-9B在此任务上表现优于参数量为3080亿的MiMo V2.5。 AI
影响 突显了在代理的特定视觉基础任务中，小型模型可能优于大型模型的潜力。
排序理由 对多个大语言模型在特定任务上的比较，以研究发现的形式呈现。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — sigmoid.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
Browser agent için 8 gorsel LLM'i ekran goruntusu temellendirmede kıyasladık. Şaşırtıcı bulgu: Qwen 3.5-9B, 308B parametreli MiMo V2.5'in kaçırdığı bir dropdown affordance'ını doğru sınıflandırıyor. Affordance parametre sayısıyla ölçeklenmiyor. 8 modelden sadece 1'i (Qwen 3.6-35B…