L'agent de page d'Alibaba s'exécute en tant que JavaScript côté client dans la page Web. Il lit le DOM en direct sous forme de texte, puis clique et tape à partir de commandes en langage naturel. Pas de captures d'écran, pas de modèle multimodal et pas de réécriture backend…
Les nouveaux modèles repoussent les limites des capacités et du rapport qualité-prix. Les équipes réévaluent les éléments sur lesquels s'appuyer chaque fois qu'un lancement modifie ce qui est possible par dollar.
Les résumés sont regroupés à titre d’information uniquement – suivez le lien source pour l’histoire complète. Les entrées de démonstration sont illustratives.