Surfer H

什么是 Surfer H？

Surfer H 是一款经济高效的 Web 代理，旨在自动化基于 Web 的任务。它利用开放权重，并由 Holo1（一种视觉语言模型 (VLM) 系列）提供支持，使其能够像人类用户一样与 Web 用户界面 (UI) 进行交互。这使得 Surfer H 能够看到屏幕上的内容，决定要采取的操作，与 UI 交互，并确定何时完成任务。

Surfer H 如何工作？

Surfer H 采用模块化设计，由三个主要组件组成：

• 策略模型 (Policy Model)： 该组件规划、决策和驱动代理的行为，确定实现所需结果所需的步骤。
• 定位器模型 (Localizer Model)： 该模型解释视觉 UI，使代理能够精确地与 Web 元素交互。
• 验证器模型 (Validator Model)： 该组件验证答案是否正确和完整，确保代理提供准确的结果。

Surfer H 的运作方式是先思考后行动，做笔记，如果第一次尝试不成功则重试。代理的模块化架构还允许为每个组件使用不同的模型，从而在准确性、速度和成本之间提供灵活性。

主要特性和优势

• 成本效益： Surfer H 由 Holo1 提供支持，在准确性和成本之间实现了强大的平衡，以低于其他代理的成本提供高性能。
• 灵活性和模块化： 其模块化设计允许为每个组件使用不同的模型，从而可以根据特定的任务要求进行定制。
• 基于浏览器的操作： Surfer H 直接通过浏览器运行，无需自定义 API 或包装器。
• 最先进的 UI 定位： Holo1 先进的 UI 定位功能使 Surfer H 能够准确地识别 Web 元素并与之交互。
• WebVoyager 基准性能： Surfer H 在 WebVoyager 基准测试中表现出色，以高精度完成各种实际 Web 任务。

如何使用 Surfer H？

虽然提供的资料中没有详细说明具体的使用说明，但 Surfer H 旨在成为一个通用的 Web 自动化系统。用例包括：

• 职位公告板监控，用于查找开发人员职位
• 健身产品装备对比
• 竞争对手定价研究
• 竞争性着陆页分析
• 新闻通讯的趋势搜索
• 最后一分钟酒店搜索
• 收藏品搜索自动化（例如，跟踪 Pokémon 卡牌列表）
• Web 搜索财务报告

Surfer H 适合谁？

Surfer H 非常适合希望自动化基于 Web 的任务、降低成本和提高效率的企业和个人。它尤其适用于：

• 企业： 自动化竞争对手研究、数据收集和其他重复性任务。
• 研究人员： 从 Web 收集数据以进行分析和见解。
• 开发人员： 构建 Web 应用程序和自动化测试。
• 任何人： 谁希望通过自动化基于 Web 的任务来节省时间和精力。

为什么选择 Surfer H？

Surfer H 的突出之处在于其成本效益、灵活性和准确性的结合。在 Holo1 的支持下，它为 Web 自动化提供了一个强大而通用的解决方案，使其成为任何希望简化其基于 Web 的工作流程的人的绝佳选择。

Holo1：最先进的 UI 定位

我们的 VLM 在代理中的实际应用的一项关键技能是定位：识别用户界面 (UI) 上的精确坐标以进行交互、完成任务或遵循指令的能力。为了评估这种能力，我们在几个已建立的定位基准上评估了我们的 Holo1 模型，包括 Screenspot、Screenspot-V2、Screenspot-Pro、GroundUI-Web。

Holo1 在这些基准测试中明显优于以前的模型，如 Qwen2.5-VL、UI-TARS 和 UGround：

-Holo1-3B：平均定位精度为 73.6%，击败了其他 3B 甚至一些 7B 模型

-Holo1-7B：76.2%，是总体上最高的小尺寸模型

为了支持社区，我们还发布了 Web Click，这是一个新的 UI Grounding 基准，可以更好地反映人类真正使用 Web 的方式。它包括来自 100 多个网站的 1,639 个屏幕截图和指令标签对，旨在挑战现有的 VLM。

开放权重，实现透明和集体进步

H Company 认为，开放权重不仅仅是一种理念，它们是加速实验、透明度和集体进步的实用工具。通过提供对 Holo1 权重的开放访问，他们使社区能够在其工作的基础上构建并创建更好的代理。