karpo-decision-27B-act
модель быстрого принятия решений для браузерных агентов
2 мин чтенияобновлено
karpo-decision-27B-act — это специализированная модель от MachinePulseAI, созданная для роли System 1 (быстрого мышления) в составе открытого браузерного агента karpo-browser. Она создана на базе Qwen3.8-27B и за один проход выбирает наиболее вероятное действие на веб-странице (клики, заполнение форм, прокрутку или завершение задачи) на основе скриншота и списка элементов. Модель работает очень быстро — в среднем около 931 миллисекунды на решение, что позволяет значительно ускорить работу браузерных агентов и снизить затраты на их запуск по сравнению с использованием только тяжелых общих языковых моделей.
Ключевые особенности
- Специализация на веб-действиях: обрабатывает текстовые элементы страницы и скриншоты для выбора точного шага.
- Высокая скорость: принимает решение за один форвард-пасс без генерации текста, в среднем за 0.9 секунды.
- Гибридная архитектура: создана на базе Qwen3.8-27B с добавлением линейного ридаута (линейного считывания) для оценки опций.
- Экономичность: существенно снижает стоимость выполнения задач в связке с более мощной моделью System 2.
Что можно сделать
- Интегрировать в веб-агентов: использовать в качестве модуля быстрого реагирования (System 1) для автоматизации действий в браузере.
- Создать связку с LLM: объединить с крупной моделью для долгосрочного планирования (System 2) и быстрой навигации по сайтам.
- Автоматизировать рутину: настраивать сценарии для прохождения тестов, сбора данных и мониторинга веб-ресурсов.
Пример
Пример инференса и настройки запросов для модели в python:
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "MachinePulseAI/karpo-decision-27B-act"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.bfloat16, device_map="auto")
# Пример работы с состоянием страницы и списком элементов
print(f"Модель {model_id} успешно загружена")
Подробнее
Бенчмарки: 84% точности на 38 ключевых задачах Browserbase Benchmark v2 в связке с DeepSeek V4.1 Flash.Параметры: 26.1B в формате bf16, плюс ридаут 255 × 5,120 в fp32.
Контекст: до 32,768 токенов на последовательность.
Лицензия: Apache-2.0.










Комментарии