模型定位
WebVIA-Agent 是 WebVIA 互動式介面轉程式碼框架中的網頁探索視覺語言模型,以 GLM-4.1V-9B-Base 為基礎。其任務是探索網頁並擷取不同互動狀態的介面截圖,而不是獨自完成整個程式碼生成流程。(huggingface.co)
能力與用途
- 可結合網頁截圖、DOM 結構與互動紀錄,辨識互動元件、產生操作並判斷互動結果。(arxiv.org)
- 適用於網頁介面探索、多狀態截圖蒐集,以及互動式 UI 重建研究。WebVIA 框架另以 WebVIA-UI2Code 產生 HTML、CSS 和 JavaScript,並使用驗證模組檢查生成介面的行為。(huggingface.co)
- 官方模型頁提供權重與本機推論範例,並標示 MIT 授權;實際使用仍應查閱模型頁與相關授權條款。(huggingface.co)
限制
論文指出,探索流程的操作類型限於點擊、輸入和選擇,不支援拖曳或繪製等動作;由於訓練主要使用合成網頁,對計算機或函數繪圖等特殊互動介面的泛化能力可能受限。(arxiv.org)
發布日期
2025-11-12:所提供的官方模型儲存庫提交日期;此日期不一定代表模型首次發布日期。(huggingface.co)
價格
截至 2026-11-17,已查閱智譜中國大陸官方定價頁與 Z.AI 國際官方定價頁,均未找到 WebVIA-Agent 的專屬報價;其 API 輸入與輸出計費價格未核實。未將其他模型的價格套用於本模型。(docs.bigmodel.cn)