Interface de um navegador controlado pelo agente de IA gratuito MolmoWeb, superando rivais como OpenAI e Anthropic.
Voltar ao Blog
🇧🇷Português6 de abril de 202612708

MolmoWeb: O Agente de IA Gratuito que Supera OpenAI e Anthropic

O Allen Institute lançou o MolmoWeb em 24 de março de 2026 — supera Claude 3.7 e OpenAI CUA nos benchmarks.

Publicado em 06/04/2026

Tags: MolmoWeb, agente web, IA open-source, Allen Institute, Ai2, Claude 3.7, OpenAI CUA, automação web, IA gratuita, benchmarks de IA

Você passou anos vendo empresas bilionárias construírem ferramentas de IA que exigem os servidores delas, as APIs delas, os planos de preços delas e a permissão delas para usar.

Em 24 de março de 2026, um instituto de pesquisa sem fins lucrativos lançou um agente web que navega navegadores, preenche formulários, pesquisa passagens e completa tarefas complexas online — sem taxas de API, sem acesso fechado, sem intermediários — e superou o Claude 3.7 da Anthropic e o CUA da OpenAI nos benchmarks.

O futuro da IA não pertence apenas às empresas com os maiores cheques. Ele pertence a qualquer pessoa disposta a construí-lo.

O Allen Institute for AI, conhecido como Ai2, lançou o MolmoWeb em 24 de março de 2026 — um agente web visual totalmente open-source construído em dois modelos compactos: MolmoWeb-4B e MolmoWeb-8B, segundo o blog oficial do Ai2. Os modelos estão disponíveis no Hugging Face em allenai/MolmoWeb-4B e allenai/MolmoWeb-8B, e o código completo está publicado em github.com/allenai/molmoweb sob a licença Apache 2.0 — o que significa que qualquer pessoa pode baixar, modificar, implantar e construir sobre ele, gratuitamente, para sempre. O modelo de 8B marcou 78,2% no WebVoyager, aproximando-se do modelo proprietário o3 da OpenAI com 79,3%, segundo The Decoder. Nos benchmarks visuais ScreenSpot, o modelo de grounding MolmoWeb-8B superou o Claude 3.7 e o CUA da OpenAI — sistemas fechados, caros e proprietários — segundo o paper oficial do Ai2. Isso não é uma atualização incremental de pesquisa. É uma declaração de que a comunidade open-source pode agora construir agentes de IA autônomos que competem na fronteira — em seu próprio hardware, no seu próprio ritmo, sem responder a ninguém.

O que é o MolmoWeb — e quem o construiu?

O MolmoWeb é um agente web visual open-source que controla um navegador da mesma forma que um humano: olhando para capturas de tela. Ele recebe uma instrução de tarefa — como "Encontre os voos diretos mais baratos de Seattle para Tóquio" — uma captura de tela do estado atual do navegador e o histórico de ações recentes. A partir disso, produz um breve raciocínio em linguagem natural e então executa uma ação no navegador: clicar, digitar, rolar a página ou navegar. Sem parsing de HTML. Sem acesso ao DOM. Sem APIs proprietárias. Apenas pixels, raciocínio e ação.

O agente foi construído pelo Allen Institute for AI, uma organização de pesquisa sem fins lucrativos sediada em Seattle, fundada em 2014 por Paul Allen, cofundador da Microsoft. A missão do Ai2, como declarada pelo CEO interino Peter Clark, é "avançar a pesquisa e engenharia de IA para o bem comum, e transformar nossas conquistas abertas em impacto real e duradouro." O pesquisador principal do MolmoWeb é Tanmay Gupta, cientista sênior de pesquisa do Ai2.

O MolmoWeb é construído sobre o Molmo 2, o modelo multimodal aberto mais recente do Ai2 — que usa um modelo de linguagem Qwen3 e um codificador de visão SigLIP2. Foi treinado em 64 GPUs H100 por até 50.000 passos. Os dados de treinamento vêm inteiramente de fontes abertas — nenhuma destilação de modelos proprietários como GPT-4 ou Claude foi usada, segundo o paper oficial do Ai2.

O que aconteceu: 24 de março de 2026

Em 24 de março de 2026, o Ai2 lançou o MolmoWeb em dois tamanhos, junto com a pilha completa open-source: pesos dos modelos, dados de treinamento (MolmoWebMix), ferramentas de avaliação, código de inferência e uma demonstração ao vivo em molmoweb.allen.ai. O código de treinamento foi anunciado como "em breve."

O MolmoWebMix — o dataset de treinamento lançado junto com o modelo — é o maior dataset publicamente disponível de execução humana de tarefas web já reunido. Inclui 30.000 tarefas web completadas por humanos em mais de 1.100 sites, representando mais de 590.000 ações individuais de navegador registradas por uma extensão personalizada do Chrome, segundo o Ai2. O dataset também inclui mais de 2,2 milhões de pares screenshot-pergunta-resposta para grounding visual, e trajetórias sintéticas geradas por um pipeline de três modelos: um planejador Gemini 2.5 Flash, um agente operador e um verificador GPT-4o, segundo The Decoder.

O timing foi marcante. O MolmoWeb foi lançado no mesmo dia em que a Microsoft confirmou ter contratado o CEO recentemente saído do Ai2, Ali Farhadi, e vários pesquisadores-chave — incluindo Hanna Hajishirzi, que liderou o projeto de modelo de linguagem OLMo — para a equipe MAI Superintelligence de Mustafa Suleyman, segundo Aihola. O lançamento foi a resposta do Ai2: mesmo com talentos migrando para a big tech, a comunidade open-source recebe o trabalho.

Os números que importam

  • 78,2%: Pontuação do MolmoWeb-8B no WebVoyager (vs. 79,3% do o3 da OpenAI — quase empate)
  • 94,7%: Pontuação do MolmoWeb-8B no WebVoyager com escalamento em tempo de inferência pass@4
  • 60,5%: MolmoWeb-8B no Online-Mind2Web com pass@4 (vs. 35,3% com execução única)
  • 42,3%: MolmoWeb-8B no DeepShop — a apenas 6 pontos do GPT-5, segundo The Decoder
  • 49,5%: MolmoWeb-8B no WebTailBench
  • Primeiro lugar: ScreenSpot e ScreenSpot v2 — supera Claude 3.7 e OpenAI CUA
  • 4B e 8B: Tamanhos em parâmetros — pequenos o suficiente para rodar localmente
  • 30.000: Demonstrações humanas de tarefas web no MolmoWebMix — o maior dataset público do tipo
  • 590.000+: Ações individuais de navegador no dataset
  • 1.100+: Sites representados no MolmoWebMix
  • 2,2 milhões: Pares screenshot-QA para treinamento de grounding visual
  • Apache 2.0: Licença — totalmente gratuita para uso comercial e de pesquisa

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

Por que isso importa para você

Você trabalhou muito para construir suas habilidades, seu negócio, seu conhecimento técnico. Você entende de IA — dedicou horas aprendendo o que a maioria ainda não se deu ao trabalho de entender. Esse esforço te dá algo que nenhuma assinatura consegue comprar: a base para realmente se beneficiar do que o MolmoWeb representa.

Eis o que isso significa na prática. Todo agente web de nível corporativo hoje — OpenAI Operator, Google Project Mariner, Computer Use da Anthropic — está trancado atrás de preços por API, termos fechados e acesso controlado. Você pode usá-los, mas não pode inspecioná-los, modificá-los ou possuí-los. O MolmoWeb muda essa equação completamente. Você pode baixar os pesos agora mesmo. Pode rodar na sua própria máquina, apontar para qualquer site e deixar funcionar. Pode modificá-lo para seu fluxo de trabalho específico. Pode construir um produto sobre ele sem pagar por chamada para nenhuma empresa.

Para desenvolvedores e empreendedores: Tanmay Gupta, cientista sênior de pesquisa do Ai2, sugeriu casos de uso específicos — automatizar fluxos de trabalho repetitivos de navegador "que precisam ser executados com frequência previsível", como extrair dados de sites semanalmente, ou escalar para centenas de consultas paralelas como coletar métricas de autores em grandes bancos de dados de pesquisa, segundo The AI Economy. Para empresas que atualmente pagam trabalhadores humanos ou assinaturas caras de API para realizar tarefas repetitivas na web, o MolmoWeb representa um caminho direto para a automação que você possui e controla.

O orgulho de construir algo com o MolmoWeb é diferente de clicar em "gerar" em um chatbot. Você está escolhendo construir sobre uma fundação aberta — da mesma forma que a internet foi construída, da mesma forma que o Linux foi construído. Esse é o tipo de trabalho que se multiplica.

O que vem a seguir

O Ai2 confirmou que todos os programas de 2026 permanecem totalmente financiados, incluindo o desenvolvimento contínuo do MolmoWeb. O código de treinamento — ainda não lançado no momento do anúncio — deve seguir em breve. O pipeline do dataset MolmoWebMix está completamente descrito no paper de pesquisa (arXiv 2601.10611), permitindo que a comunidade gere novos dados de treinamento de forma independente.

O paper de pesquisa identificou dois caminhos claros para melhorar ainda mais o desempenho: aumentar o número de execuções paralelas (pass@4 já atinge 94,7% no WebVoyager) e estender o número de passos de inferência por tarefa. Ambos são acessíveis a qualquer pessoa rodando os modelos open-weight — sem infraestrutura proprietária necessária.

O Ai2 também mantém três outros agentes abertos ao lado do MolmoWeb: DR Tolu para pesquisa profunda de longa duração, Sera para codificação e Asta para pesquisa científica — formando um ecossistema crescente de agentes de IA especializados open-source, segundo The AI Economy. A comunidade que constrói sobre o MolmoWeb hoje é a que vai definir como os agentes de IA autônomos vão parecer para todos os outros amanhã.

Quer acompanhar cada grande movimento da IA no momento em que acontece? Junte-se a milhares de leitores em fabioraphaelli.com e receba as maiores notícias de IA toda semana.

Frequently Asked Questions

O que é o MolmoWeb e quem o criou?

O MolmoWeb é um agente web visual totalmente open-source lançado em 24 de março de 2026 pelo Allen Institute for AI (Ai2), uma organização de pesquisa sem fins lucrativos sediada em Seattle, fundada em 2014 por Paul Allen. Vem em dois tamanhos — 4B e 8B parâmetros — e controla um navegador interpretando capturas de tela, sem precisar de acesso a HTML, estrutura de página ou APIs proprietárias. Todos os pesos dos modelos, dados de treinamento, código e ferramentas de avaliação estão disponíveis sob a licença Apache 2.0 em github.com/allenai/molmoweb e no Hugging Face.

Como o MolmoWeb se compara aos agentes web da OpenAI e da Anthropic?

O MolmoWeb-8B marcou 78,2% no WebVoyager, aproximando-se do modelo proprietário o3 da OpenAI com 79,3%, segundo The Decoder. Nos benchmarks de grounding visual ScreenSpot e ScreenSpot v2, o modelo de grounding MolmoWeb-8B superou o Claude 3.7 Computer Use e o OpenAI CUA, segundo o paper oficial do Ai2. O MolmoWeb também superou agentes construídos sobre o GPT-4o maior, que tinham acesso a capturas de tela anotadas e dados estruturados de página — o que o Ai2 chamou de "resultado surpreendente dado que esses modelos têm parâmetros ordens de magnitude maiores."

Posso rodar o MolmoWeb no meu próprio computador?

Sim. O MolmoWeb foi projetado para implantação auto-hospedada — localmente ou em serviços de nuvem. Os modelos de 4B e 8B são pequenos o suficiente para rodar em hardware acessível. O pacote de inferência inclui um cliente Python de alto nível que gerencia sessões de navegador de ponta a ponta. Você precisa de Python 3.10–3.12, o gerenciador de pacotes uv e Playwright para controle do navegador. Instruções detalhadas de instalação estão disponíveis em github.com/allenai/molmoweb. O Ai2 recomenda evitar tarefas que exijam informações pessoais sensíveis como senhas ou dados financeiros.

O que é o MolmoWebMix?

O MolmoWebMix é o dataset de treinamento lançado junto com o MolmoWeb em 24 de março de 2026. É o maior dataset publicamente disponível de execução humana de tarefas web, contendo 30.000 tarefas web completadas por humanos em mais de 1.100 sites, mais de 590.000 ações individuais de navegador e mais de 2,2 milhões de pares screenshot-pergunta-resposta para treinamento de grounding visual. Inclui também trajetórias sintéticas geradas por um pipeline automatizado de três modelos usando Gemini 2.5 Flash, um agente operador e um verificador GPT-4o, segundo The Decoder. O dataset completo está disponível open-source junto com o modelo.

Que tarefas o MolmoWeb consegue realizar atualmente?

O MolmoWeb consegue realizar uma ampla gama de tarefas na web que não exigem credenciais pessoais sensíveis. Capacidades demonstradas incluem: navegar em sites como GitHub, Google Flights e Amazon; pesquisar produtos e comparar preços; completar tarefas de pesquisa em múltiplas etapas; preencher formulários; rolar e clicar em interfaces complexas; e seguir instruções de tarefas em múltiplas etapas em diferentes sites. O cientista sênior de pesquisa Tanmay Gupta citou especificamente a automação de tarefas repetitivas de coleta de dados em escala — como consultar centenas de perfis de autores — como um caso de uso prático empresarial, segundo The AI Economy.

Escrito por Fabio Raphaelli · @x9ads · @raphaelli_fr

#fabioraphaelli #x9ads #raphaelli_fr

📌 Conteúdos Recomendados