Interfaz de un navegador web controlado por el agente de IA MolmoWeb, automatizando tareas frente a OpenAI y Anthropic.
Voltar ao Blog
🇧🇷Português6 de abril de 20267729

MolmoWeb: El Agente de IA Gratuito que Supera a OpenAI y Anthropic

El Allen Institute lanzó MolmoWeb el 24 de marzo de 2026 — supera a Claude 3.7 y OpenAI CUA en benchmarks.

Publicado em 06/04/2026

Tags: MolmoWeb, agente web, IA open-source, Allen Institute for AI, Ai2, Claude 3.7, OpenAI CUA, benchmarks, automatización web, MolmoWebMix

Pasaste años viendo cómo empresas multimillonarias construían herramientas de IA que requieren sus servidores, sus APIs, sus planes de precios y su permiso para usar.

El 24 de marzo de 2026, un instituto de investigación sin fines de lucro lanzó un agente web que navega navegadores, completa formularios, busca vuelos y ejecuta tareas complejas en línea — sin tarifas de API, sin acceso cerrado, sin intermediarios — y superó a Claude 3.7 de Anthropic y al CUA de OpenAI en benchmarks.

El futuro de la IA no pertenece solo a las empresas con los cheques más grandes. Le pertenece a cualquiera dispuesto a construirlo.

El Allen Institute for AI, conocido como Ai2, lanzó MolmoWeb el 24 de marzo de 2026 — un agente web visual completamente open-source construido en dos modelos compactos: MolmoWeb-4B y MolmoWeb-8B, según el blog oficial de Ai2. Los modelos están disponibles en Hugging Face en allenai/MolmoWeb-4B y allenai/MolmoWeb-8B, y el código completo está publicado en github.com/allenai/molmoweb bajo la licencia Apache 2.0 — lo que significa que cualquiera puede descargarlo, modificarlo, desplegarlo y construir sobre él, de forma gratuita, para siempre. El modelo de 8B obtuvo un 78,2% en WebVoyager, acercándose al modelo propietario o3 de OpenAI con un 79,3%, según The Decoder. En los benchmarks de grounding visual ScreenSpot, el modelo de grounding MolmoWeb-8B superó a Claude 3.7 y al CUA de OpenAI — sistemas cerrados, costosos y propietarios — según el paper oficial de Ai2. Esto no es una actualización incremental de investigación. Es una declaración de que la comunidad open-source ya puede construir agentes de IA autónomos que compiten en la frontera — en su propio hardware, a su propio ritmo, sin responderle a nadie.

¿Qué es MolmoWeb — y quién lo construyó?

MolmoWeb es un agente web visual open-source que controla un navegador de la misma forma en que lo haría un humano: mirando capturas de pantalla. Recibe una instrucción de tarea — como "Encontrá los vuelos directos más baratos de Seattle a Tokio" — una captura de pantalla del estado actual del navegador y el historial de acciones recientes. A partir de eso, produce un breve razonamiento en lenguaje natural y luego ejecuta una acción en el navegador: hacer clic, escribir, desplazarse o navegar. Sin parsing de HTML. Sin acceso al DOM. Sin APIs propietarias. Solo píxeles, razonamiento y acción.

El agente fue construido por el Allen Institute for AI, una organización de investigación sin fines de lucro con sede en Seattle, fundada en 2014 por Paul Allen, cofundador de Microsoft. La misión de Ai2, según el CEO interino Peter Clark, es "avanzar la investigación e ingeniería de IA para el bien común, y convertir nuestros avances abiertos en impacto real y duradero." El investigador principal de MolmoWeb es Tanmay Gupta, científico senior de investigación de Ai2.

MolmoWeb está construido sobre Molmo 2, el modelo multimodal abierto más reciente de Ai2 — que utiliza un modelo de lenguaje Qwen3 y un codificador de visión SigLIP2. Fue entrenado en 64 GPUs H100 durante hasta 50.000 pasos. Los datos de entrenamiento provienen completamente de fuentes abiertas — no se utilizó ninguna destilación de modelos propietarios como GPT-4 o Claude, según el paper oficial de Ai2.

Qué pasó: 24 de marzo de 2026

El 24 de marzo de 2026, Ai2 lanzó MolmoWeb en dos tamaños junto con la pila completa open-source: pesos de modelos, datos de entrenamiento (MolmoWebMix), herramientas de evaluación, código de inferencia y una demo en vivo en molmoweb.allen.ai. El código de entrenamiento fue anunciado como "próximamente."

MolmoWebMix — el dataset de entrenamiento lanzado junto con el modelo — es el mayor dataset públicamente disponible de ejecución humana de tareas web jamás reunido. Incluye 30.000 tareas web completadas por humanos en más de 1.100 sitios web, representando más de 590.000 acciones individuales de navegador registradas con una extensión personalizada de Chrome, según Ai2. El dataset también incluye más de 2,2 millones de pares captura-de-pantalla-pregunta-respuesta para grounding visual, y trayectorias sintéticas generadas por un pipeline de tres modelos: un planificador Gemini 2.5 Flash, un agente operador y un verificador GPT-4o, según The Decoder.

El timing fue llamativo. MolmoWeb se lanzó el mismo día en que Microsoft confirmó que había contratado al recientemente salido CEO de Ai2, Ali Farhadi, y varios investigadores clave — incluida Hanna Hajishirzi, quien lideró el proyecto de modelo de lenguaje OLMo — para el equipo MAI Superintelligence de Mustafa Suleyman, según Aihola. El lanzamiento fue la respuesta de Ai2: incluso con talento migrando a las grandes tech, la comunidad open-source recibe el trabajo.

Los números que importan

  • 78,2%: Puntuación del MolmoWeb-8B en WebVoyager (vs. 79,3% del o3 de OpenAI — casi empate)
  • 94,7%: Puntuación del MolmoWeb-8B en WebVoyager con escalado de tiempo de inferencia pass@4
  • 60,5%: MolmoWeb-8B en Online-Mind2Web con pass@4 (vs. 35,3% con una sola ejecución)
  • 42,3%: MolmoWeb-8B en DeepShop — a solo 6 puntos del GPT-5, según The Decoder
  • 49,5%: MolmoWeb-8B en WebTailBench
  • Primero en ranking: ScreenSpot y ScreenSpot v2 — supera a Claude 3.7 y OpenAI CUA
  • 4B y 8B: Tamaños en parámetros — lo suficientemente pequeños para ejecutarse localmente
  • 30.000: Demostraciones humanas de tareas web en MolmoWebMix
  • 590.000+: Acciones individuales de navegador en el dataset
  • 1.100+: Sitios web representados en MolmoWebMix
  • 2,2 millones: Pares screenshot-QA para entrenamiento de grounding visual
  • Apache 2.0: Licencia — completamente gratuita para uso comercial y de investigación

| Benchmark | MolmoWeb-8B | Mejor Comparación Propietaria | |---|---|---| | WebVoyager | 78,2% (94,7% pass@4) | OpenAI o3: 79,3% | | Online-Mind2Web | 35,3% (60,5% pass@4) | Agentes clase GPT-5 | | DeepShop | 42,3% | GPT-5: ~48% | | ScreenSpot v2 (grounding) | Mejor modelo abierto | Supera Claude 3.7 + OpenAI CUA |

Por qué esto te importa

Trabajaste mucho para construir tus habilidades, tu negocio, tu conocimiento técnico. Entendés de IA — le pusiste horas aprendiendo lo que la mayoría todavía no se molestó en entender. Ese esfuerzo te da algo que ninguna suscripción puede comprar: la base para beneficiarte realmente de lo que MolmoWeb representa.

Esto es lo que significa en la práctica. Cada agente web de nivel empresarial hoy — OpenAI Operator, Google Project Mariner, Computer Use de Anthropic — está cerrado detrás de precios por API, términos cerrados y acceso controlado. Podés usarlos, pero no podés inspeccionarlos, modificarlos ni poseerlos. MolmoWeb cambia esa ecuación completamente. Podés descargar los pesos ahora mismo. Podés ejecutarlo en tu propia máquina, apuntarlo a cualquier sitio web y dejarlo trabajar. Podés modificarlo para tu flujo de trabajo específico. Podés construir un producto encima sin pagarle por llamada a ninguna empresa.

Para desarrolladores y emprendedores: Tanmay Gupta, científico senior de investigación de Ai2, sugirió casos de uso específicos — automatizar flujos de trabajo repetitivos de navegador "que necesitan ejecutarse con frecuencia predecible," como extraer datos de sitios web semanalmente, o escalar a cientos de consultas paralelas como recopilar métricas de autores en grandes bases de datos de investigación, según The AI Economy. Para empresas que actualmente pagan trabajadores humanos o costosas suscripciones de API para realizar tareas web repetitivas, MolmoWeb representa un camino directo a la automatización que vos poseés y controlás.

El orgullo de construir algo con MolmoWeb es diferente a hacer clic en "generar" en un chatbot. Estás eligiendo construir sobre una base abierta — de la misma manera en que se construyó internet, de la misma manera en que se construyó Linux. Ese es el tipo de trabajo que se multiplica.

Qué viene a continuación

Ai2 confirmó que todos los programas de 2026 siguen completamente financiados, incluido el desarrollo continuo de MolmoWeb. El código de entrenamiento — aún no lanzado en el momento del anuncio — se espera que siga pronto. El pipeline del dataset MolmoWebMix está completamente descrito en el paper de investigación (arXiv 2601.10611), permitiendo que la comunidad genere nuevos datos de entrenamiento de forma independiente.

El paper de investigación identificó dos caminos claros para mejorar aún más el rendimiento: aumentar el número de ejecuciones paralelas (pass@4 ya alcanza el 94,7% en WebVoyager) y extender el número de pasos de inferencia por tarea. Ambos son accesibles a cualquiera que ejecute los modelos open-weight — sin infraestructura propietaria requerida.

Ai2 también mantiene otros tres agentes abiertos junto a MolmoWeb: DR Tolu para investigación profunda de largo plazo, Sera para codificación y Asta para investigación científica — formando un ecosistema creciente de agentes de IA especializados open-source, según The AI Economy. La comunidad que construye sobre MolmoWeb hoy es la que va a definir cómo lucirán los agentes de IA autónomos para todos los demás mañana.

¿Quieres seguir cada gran movimiento de la IA en el momento en que sucede? Únete a miles de lectores en fabioraphaelli.com y recibe las noticias más importantes de IA cada semana.

Frequently Asked Questions

¿Qué es MolmoWeb y quién lo creó?

MolmoWeb es un agente web visual completamente open-source lanzado el 24 de marzo de 2026 por el Allen Institute for AI (Ai2), una organización de investigación sin fines de lucro con sede en Seattle, fundada en 2014 por Paul Allen. Viene en dos tamaños — 4B y 8B parámetros — y controla un navegador interpretando capturas de pantalla, sin necesitar acceso a HTML, estructura de página o APIs propietarias. Todos los pesos de modelos, datos de entrenamiento, código y herramientas de evaluación están disponibles bajo la licencia Apache 2.0 en github.com/allenai/molmoweb y en Hugging Face.

¿Cómo se compara MolmoWeb con los agentes web de OpenAI y Anthropic?

MolmoWeb-8B obtuvo un 78,2% en WebVoyager, acercándose al modelo propietario o3 de OpenAI con un 79,3%, según The Decoder. En los benchmarks de grounding visual ScreenSpot y ScreenSpot v2, el modelo de grounding MolmoWeb-8B superó a Claude 3.7 Computer Use y al OpenAI CUA, según el paper oficial de Ai2. MolmoWeb también superó a agentes construidos sobre el mayor GPT-4o que tenían acceso a capturas de pantalla anotadas y datos de página estructurados — lo que Ai2 llamó "un resultado sorprendente dado que esos modelos tienen parámetros órdenes de magnitud mayores."

¿Puedo ejecutar MolmoWeb en mi propio computador?

Sí. MolmoWeb fue diseñado para despliegue auto-hospedado — ya sea localmente o en servicios de nube. Los modelos de 4B y 8B son lo suficientemente pequeños para ejecutarse en hardware accesible. El paquete de inferencia incluye un cliente Python de alto nivel que gestiona sesiones de navegador de principio a fin. Necesitás Python 3.10–3.12, el gestor de paquetes uv y Playwright para el control del navegador. Instrucciones detalladas de instalación disponibles en github.com/allenai/molmoweb. Ai2 recomienda evitar tareas que requieran información personal sensible como contraseñas o datos financieros.

¿Qué es MolmoWebMix?

MolmoWebMix es el dataset de entrenamiento lanzado junto con MolmoWeb el 24 de marzo de 2026. Es el mayor dataset públicamente disponible de ejecución humana de tareas web, que contiene 30.000 tareas web completadas por humanos en más de 1.100 sitios web, más de 590.000 acciones individuales de navegador y más de 2,2 millones de pares captura-de-pantalla-pregunta-respuesta para entrenamiento de grounding visual. También incluye trayectorias sintéticas generadas por un pipeline automatizado de tres modelos usando Gemini 2.5 Flash, un agente operador y un verificador GPT-4o, según The Decoder.

¿Qué tareas puede realizar MolmoWeb actualmente?

MolmoWeb puede realizar una amplia gama de tareas en la web que no requieren credenciales personales sensibles. Las capacidades demostradas incluyen: navegar sitios como GitHub, Google Flights y Amazon; buscar productos y comparar precios; completar tareas de investigación de múltiples pasos; completar formularios; desplazarse y hacer clic en interfaces complejas; y seguir instrucciones de tareas de múltiples pasos en diferentes sitios. El científico senior de investigación Tanmay Gupta citó específicamente la automatización de tareas repetitivas de recopilación de datos a escala como un caso de uso empresarial práctico, según The AI Economy.

Escrito por Fabio Raphaelli · @x9ads · @raphaelli_fr

#fabioraphaelli #x9ads #raphaelli_fr

📌 Conteúdos Recomendados