Surfer H

Was ist Surfer H?

Surfer H ist ein kosteneffizienter Webagent, der entwickelt wurde, um webbasierte Aufgaben zu automatisieren. Er nutzt Open Weights und wird von Holo1 angetrieben, einer Familie von Visual Language Models (VLMs), die es ihm ermöglichen, mit Web-Benutzeroberflächen (UIs) ähnlich wie ein menschlicher Benutzer zu interagieren. Dadurch kann Surfer H sehen, was auf dem Bildschirm ist, entscheiden, welche Aktionen auszuführen sind, mit UIs interagieren und feststellen, wann eine Aufgabe abgeschlossen ist.

Wie funktioniert Surfer H?

Surfer H basiert auf einem modularen Design, das aus drei Hauptkomponenten besteht:

• Policy Model: Diese Komponente plant, entscheidet und steuert das Verhalten des Agenten und bestimmt die notwendigen Schritte, um das gewünschte Ergebnis zu erzielen.
• Localizer Model: Dieses Modell interpretiert visuelle UIs und ermöglicht es dem Agenten, präzise mit Webelementen zu interagieren.
• Validator Model: Diese Komponente validiert, ob die Antwort korrekt und vollständig ist, und stellt sicher, dass der Agent genaue Ergebnisse liefert.

Surfer H arbeitet, indem er nachdenkt, bevor er handelt, sich Notizen macht und es erneut versucht, wenn sein erster Versuch erfolglos ist. Die modulare Architektur des Agenten ermöglicht auch die Verwendung verschiedener Modelle für jede Komponente, was Flexibilität bei der Balance zwischen Genauigkeit, Geschwindigkeit und Kosten bietet.

Hauptmerkmale und Vorteile

• Kosteneffizienz: Angetrieben von Holo1 bietet Surfer H ein starkes Gleichgewicht zwischen Genauigkeit und Kosten und liefert eine hohe Leistung zu einem Bruchteil der Kosten anderer Agenten.
• Flexibilität und Modularität: Sein modulares Design ermöglicht die Verwendung verschiedener Modelle für jede Komponente und ermöglicht so eine Anpassung basierend auf spezifischen Aufgabenanforderungen.
• Browserbasierter Betrieb: Surfer H arbeitet direkt über den Browser, wodurch keine benutzerdefinierten APIs oder Wrapper erforderlich sind.
• State-of-the-Art UI Localization: Die fortschrittlichen UI-Lokalisierungsfunktionen von Holo1 ermöglichen es Surfer H, Webelemente genau zu identifizieren und mit ihnen zu interagieren.
• WebVoyager Benchmark Performance: Surfer H demonstriert eine außergewöhnliche Leistung auf dem WebVoyager-Benchmark und erledigt eine breite Palette realer Webaufgaben mit hoher Genauigkeit.

Wie wird Surfer H verwendet?

Obwohl spezifische Gebrauchs Anweisungen in den bereitgestellten Inhalten nicht detailliert beschrieben werden, ist Surfer H als ein allgemeines Webautomatisierungssystem konzipiert. Anwendungsbeispiele umfassen:

• Jobbörsenüberwachung für Entwicklerrollen
• Ausrüstungsvergleich für Fitnessprodukte
• Wettbewerber-Preisrecherche
• Wettbewerbsanalyse von Landingpages
• Trendscouting für Newsletter
• Last-Minute-Hotelsuchen
• Sammlersuchautomatisierung (z. B. Verfolgung von Pokémon-Kartenangeboten)
• Websuche nach Finanzberichten

Für wen ist Surfer H?

Surfer H ist ideal für Unternehmen und Einzelpersonen, die webbasierte Aufgaben automatisieren, Kosten senken und die Effizienz verbessern möchten. Es ist besonders nützlich für:

• Unternehmen: Automatisierung von Wettbewerbsrecherchen, Datenerfassung und anderen sich wiederholenden Aufgaben.
• Forscher: Sammeln von Daten aus dem Web für Analysen und Erkenntnisse.
• Entwickler: Erstellen von Webanwendungen und Automatisieren von Tests.
• Jeder: Der Zeit und Aufwand sparen möchte, indem er webbasierte Aufgaben automatisiert.

Warum Surfer H wählen?

Surfer H zeichnet sich durch seine Kombination aus Kosteneffizienz, Flexibilität und Genauigkeit aus. Angetrieben von Holo1 bietet es eine leistungsstarke und vielseitige Lösung für die Webautomatisierung und ist damit eine ausgezeichnete Wahl für alle, die ihre webbasierten Arbeitsabläufe optimieren möchten.

Holo1: State-of-the-Art UI Localization

Eine Schlüsselfertigkeit für den realen Nutzen unserer VLMs innerhalb von Agenten ist die Lokalisierung: die Fähigkeit, genaue Koordinaten auf einer Benutzeroberfläche (UI) zu identifizieren, um mit ihr zu interagieren, eine Aufgabe zu erledigen oder einer Anweisung zu folgen. Um diese Fähigkeit zu beurteilen, haben wir unsere Holo1-Modelle auf mehreren etablierten Lokalisierungs-Benchmarks bewertet, darunter Screenspot, Screenspot-V2, Screenspot-Pro, GroundUI-Web.

Holo1 übertrifft die bisherigen Modelle wie Qwen2.5-VL, UI-TARS und UGround in diesen Benchmarks deutlich:

-Holo1-3B: 73,6 % durchschnittliche Lokalisierungsgenauigkeit, schlägt andere 3B- und sogar einige 7B-Modelle

-Holo1-7B: 76,2 %, das insgesamt höchste Modell kleiner Größe

Um die Community zu unterstützen, veröffentlichen wir auch Web Click, einen neuen Benchmark für UI Grounding, der besser widerspiegelt, wie Menschen das Web wirklich nutzen. Es enthält 1.639 Screenshots und Anweisungs-Label-Paare von über 100 Websites, die entwickelt wurden, um bestehende VLMs herauszufordern.

Open Weights für Transparenz und kollektiven Fortschritt

Die H Company glaubt, dass Open Weights mehr als nur eine Philosophie sind, sie sind ein praktisches Werkzeug, um Experimente, Transparenz und kollektiven Fortschritt zu beschleunigen. Indem sie offenen Zugang zu den Weights von Holo1 gewähren, ermöglichen sie der Community, auf ihrer Arbeit aufzubauen und noch bessere Agenten zu entwickeln.