BrowserOS 发布 BrowserVLM:0.54B 超轻量 GUI 定位模型,重构浏览器 Agent 点击精度
BrowserOS 正式发布 BrowserVLM,一款仅 0.54B 参数的 GUI 定位视觉语言模型。该模型在 ScreenSpot-V2 和 ScreenSpot-Pro 基准测试中分别取得 79.10 和 36.37 的分数,平均表现优于 UI-TARS-7B 且参数量仅为后者的十二分之一。通过创新的“分块 - 子块 - 位置”三级定位架构及递归深度改造,BrowserVLM 实现了像素级点击精度,同时大幅降低计算成本,使本地化运行浏览器 Agent 成为可能。