国内AI领军企业智谱AI近日发布了WebRL-GLM-4-9B开源模型，这是基于GLM-4-9B大语言模型开发的网页操作智能体，在五大主流网站场景中平均成功率达到43.0%，较基础模型实现了跨越式提升，标志着开源大模型在网页自动化领域迈出重要一步。
【免费下载链接】webrl-glm-4-9b项目地址: https://ai.gitcode.com/zai-org/webrl-glm-4-9b
行业现状：网页智能体成AI落地新赛道
随着大语言模型能力的快速进化，基于LLM的智能体(Agent)已成为人工智能领域的重要发展方向。其中，能够模拟人类完成复杂网页操作的Web Agent被视为实现办公自动化、客服智能化、流程自动化的关键技术。根据WebArena等权威评测基准显示，当前主流开源模型在网页任务中的平均成功率普遍低于5%，尤其是在需要多步骤推理和精准交互的场景中表现不佳，成为制约AI落地办公场景的重要瓶颈。
模型亮点：五大场景突破，平均成功率达43%
WebRL-GLM-4-9B针对网页操作场景进行了深度优化，具备在五大典型网站场景中自主完成复杂任务的能力：包括开放街图地图操作、Reddit社交互动、GitLab代码仓库管理、在线商店CMS内容管理系统以及OneStopShop电商平台。
在WebArena-Lite标准评测中，该模型展现出显著优势：Reddit场景成功率达57.9%，GitLab场景达50.0%，CMS内容管理系统达48.6%，地图服务达36.7%，电商平台达37.8%，五大场景平均成功率达到43.0%。这一成绩不仅大幅超越Llama-3.1-8B-Instruct(4.8%)和基础版GLM-4-9B-Chat(6.1%)，更在Reddit和GitLab等技术型场景中实现了从个位数到接近60%的突破，展现出强大的复杂任务处理能力。
技术突破：强化学习赋能网页交互决策
该模型采用WebRL(Web Reinforcement Learning)技术方案，通过自进化在线课程强化学习方法训练而成。这种创新训练范式使模型能够像人类一样通过试错学习优化网页操作策略，逐步掌握点击、输入、滚动等精细交互技能，并学会在复杂界面中定位关键元素、规划操作步骤。与传统基于指令微调的方法相比，强化学习训练使模型在面对界面变化和任务变体时表现出更强的适应性和鲁棒性。
行业影响：开源生态加速网页自动化普及
WebRL-GLM-4-9B的开源发布将显著降低企业和开发者使用高级网页智能体的门槛。对于中小企业而言，可基于该模型快速构建定制化网页自动化工具，实现客服工单处理、数据采集分析、内容发布管理等流程的智能化；对于开发者社区，开源模型为研究人员提供了优质的技术底座，有助于推动网页交互理解、多模态界面推理等前沿技术的发展。
特别值得关注的是，该模型保持了与GLM-4-9B相同的90亿参数规模，在消费级GPU上即可运行，这意味着普通开发者也能在本地部署和调试网页智能体，极大促进了相关应用场景的创新探索。
未来展望：从特定场景到通用网页智能
随着WebRL技术的持续迭代，未来网页智能体有望实现三大突破：一是支持更多类型的网站和应用场景，从现有五大场景扩展到企业内部系统、SaaS平台等垂直领域；二是提升复杂任务处理能力，能够完成需要跨网站协同、长时间上下文保持的高级任务；三是优化人机协作模式，实现"人类指导+AI执行"的混合智能工作流。WebRL-GLM-4-9B的开源发布，为这一发展方向提供了坚实的技术基础，有望加速AI在办公自动化、数字员工等领域的规模化应用。
【免费下载链接】webrl-glm-4-9b项目地址: https://ai.gitcode.com/zai-org/webrl-glm-4-9b
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
