Surfer-H encontra Holo1: Agente Web Eficiente em Custos Alimentado por Pesos Abertos
Surfer-H Meets Holo1: Cost-Efficient Web Agent Powered by Open Weights
June 3, 2025
Autores: Mathieu Andreux, Breno Baldas Skuk, Hamza Benchekroun, Emilien Biré, Antoine Bonnet, Riaz Bordie, Matthias Brunel, Pierre-Louis Cedoz, Antoine Chassang, Mickaël Chen, Alexandra D. Constantinou, Antoine d'Andigné, Hubert de La Jonquière, Aurélien Delfosse, Ludovic Denoyer, Alexis Deprez, Augustin Derupti, Michael Eickenberg, Mathïs Federico, Charles Kantor, Xavier Koegler, Yann Labbé, Matthew C. H. Lee, Erwan Le Jumeau de Kergaradec, Amir Mahla, Avshalom Manevich, Adrien Maret, Charles Masson, Rafaël Maurin, Arturo Mena, Philippe Modard, Axel Moyal, Axel Nguyen Kerbel, Julien Revelle, Mats L. Richter, María Santos, Laurent Sifre, Maxime Theillard, Marc Thibault, Louis Thiry, Léo Tronchon, Nicolas Usunier, Tony Wu
cs.AI
Resumo
Apresentamos o Surfer-H, um agente web de baixo custo que integra Modelos Visão-Linguagem (VLM) para executar tarefas definidas pelo usuário na web. Ele é combinado com o Holo1, uma nova coleção de VLMs de pesos abertos especializada em navegação web e extração de informações. O Holo1 foi treinado em fontes de dados cuidadosamente curadas, incluindo conteúdo web de acesso aberto, exemplos sintéticos e dados agenticos autoproduzidos. O Holo1 lidera benchmarks gerais de Interface de Usuário (UI), bem como nosso novo benchmark de localização de UI web, o WebClick. Quando alimentado pelo Holo1, o Surfer-H alcança um desempenho de ponta de 92,2% no WebVoyager, atingindo um equilíbrio Pareto-ótimo entre precisão e eficiência de custos. Para acelerar o avanço da pesquisa em sistemas agenticos, estamos disponibilizando publicamente tanto nosso conjunto de dados de avaliação WebClick quanto os pesos do modelo Holo1.
English
We present Surfer-H, a cost-efficient web agent that integrates
Vision-Language Models (VLM) to perform user-defined tasks on the web. We pair
it with Holo1, a new open-weight collection of VLMs specialized in web
navigation and information extraction. Holo1 was trained on carefully curated
data sources, including open-access web content, synthetic examples, and
self-produced agentic data. Holo1 tops generalist User Interface (UI)
benchmarks as well as our new web UI localization benchmark, WebClick. When
powered by Holo1, Surfer-H achieves a 92.2% state-of-the-art performance on
WebVoyager, striking a Pareto-optimal balance between accuracy and
cost-efficiency. To accelerate research advancement in agentic systems, we are
open-sourcing both our WebClick evaluation dataset and the Holo1 model weights.