Alibaba の Page Agent は、Web ページ内でクライアント側 JavaScript として実行されます。ライブ DOM をテキストとして読み取り、クリックして自然言語コマンドを入力します。スクリーンショット、マルチモーダル モデル、バックエンドの書き換えはありません…
新しいモデルは、機能と価格パフォーマンスの最前線をリセットします。チームは、ローンチによって 1 ドルあたりの可能性が変わるたびに、何を構築するかを再評価します。
概要は情報提供のみを目的としてまとめられています。全文についてはソース リンクを参照してください。デモのエントリは一例です。