Qwen 2.5-vl + Browser Use：打造本地Operator
通义千问版Operator啊！我们知道OpenAI推出的Operator震撼全球，可以像真人般操作浏览器去完成不同的任务。今天我们说下怎么用通义千问最新推出的开源免费的Qwen2.5-VL视觉大模型加上我们之前分享过的Browser Use来搭建本地跑的Operator…
微信赞赏
相关推荐
2025-08-13
GLM 4.5V：AI视觉革命！开源即巅峰！
太炸裂了！上两周我才分享了智普AI的GLM 4.5表现不俗，这两天它们又发布了全新的开源视觉语言大模型GLM 4.5V。这款模型并非等闲之辈，它基于GLM 4.5 Air架构，拥有高达1060亿的庞大参数量，并激活120亿参数进行推理。在MMBench、MathVista及OCRBench等多项权威视觉基准测试中，GLM-4.5V均取得了接近90分的顶尖成绩，全面展示了其技术硬实力展开更多 访问入口
2024-12-26
QVQ-72B：世上唯一开源免费视觉推理大模型
这应该是当今世上唯一一个完全开源免费的视觉推理大模型，相比海外如OpenAI等贵的要命的o3模型，阿里巴巴最新推出的这个QVQ-72B视觉推理大模型遵循都是Apache 2.0的协议，也就是说权重等完全开源，如果我没有搞错的话，这应该是当今世上唯一一个完全开源免费的视觉推理大模型，它只有72B的参数量，但是它在MMLU多模态测试集和MathVision等数学视觉等测试集上的benchmarks得分却不容小觑。下面我们快速的去魔撘上玩下… 访问入口
2025-01-06
Browser Use Webui：AI自动操作浏览器
可以像真人般操作你的浏览器帮你完成任务的免费Agent啊！今天要跟大家分享的这个叫做browser-use-webui的agent就牛逼了，通过它我们可以给它一个指令，然后它就能操作浏览器来完成我们的人物。它后面可以介入免费的Gemini2.0，也可以介入价格便宜的几乎免费的最近风头正盛的国产deepseek v3模型。今天我们就Demo下deepseek的… 项目入口
2026-05-19
MiniCPM V4.6：端侧开源视觉大模型！一键手机上直接跑！
MiniCPM-V4.6是面壁智能（OpenBMB）推出的端侧开源视觉大模型，最大的亮点是可以在手机上直接运行！虽然只有几B参数，但通过精心设计的模型架构和量化优化，它在视觉理解任务上的表现可以匹敌更大的模型。你可以在手机上安装后直接拍照提问——AI会实时分析图片内容并回答。对于移动端AI应用和离线视觉识别场景来说，这是一个重要的技术突破。 访问入口
2026-05-18
NVIDIA NVLM：比看视频还快十倍！开源视觉模型天花板！
NVIDIA NVLM（NVIDIA Vision Language Model）是英伟达推出的开源视觉语言模型，号称”比看视频还快十倍”！它在视频理解和分析方面达到了惊人的速度——可以在极短的时间内分析整段视频的内容、识别物体和动作。被评价为”开源视觉模型天花板”。本视频测评NVLM在视频理解、图像分析和多模态任务上的表现。 访问入口
2025-02-10
DeepSeek Browser Use：OpenAI Deep Research免费平替
DeepSeek版Deep Research啊！上两天我才分享了个视频介绍OpenAI最新推出的Deep Research，可以自动搜索上百个网页来帮我们生成专业的报告，可惜需要价值200刀每月的Pro账号才能用。今天我想给大家介绍一个免费的使用方案，就是DeepSeek加我之前介绍过的Browser Use，如果大家不清楚Browser Use的，可以先去翻看下我这个视频。而DeepSeek呢，我们只需要用免费的蒸馏模型就能达到想要的效果…
