十月十二日，Unsloth 在发布笔记里甩出几个让人眼前一亮的更新，其中 Browser Use 让本地模型也能打开网页、阅读页面、点击按钮、输入文字并滚动，同时上线 Qwen-Image-2.1-Turbo 支持八步出图，还带来了文本扩散 LLM 训练、更快的 MoE GGUF 与苹果芯片上的投机解码。浏览器操控过去是云端大模型的专利，现在小模型在本地也能试试。

本地小模型操控网页靠谱吗？

必须泼一盆冷水，网页结构千奇百怪，按钮 id 随便起、弹窗满天飞，小模型的视觉定位与元素识别能力远不如旗舰模型。它更适合结构稳定、流程固定的内部页面，比如每天登录某个系统、填几个固定字段，而不是去刷电商这种动态页面。实操时把目标页面先截一张图固定元素位置，给模型明确的步骤清单，成功率会高很多，让它自由发挥很容易点错。

和云端 Browser Use 方案差在哪？

云端方案聪明但要把页面内容发到别人服务器，本地方案慢、笨，但数据不出本机。对处理内部系统、账号密码这类敏感流程，本地操控的隐私价值是决定性的。现实路径是混合用，敏感步骤走本地，复杂判断再调云端。另外 Browser Use 还很新，选择器失效、iframe 嵌套这些老问题都会遇到，第一次跑务必开着可视化观察它到底点了哪，别让它闷头自动操作完才发现删错了数据。

本地操控网页只适合固定流程、结构稳定的内部页面，动态大站别让它自由发挥。第一次务必开可视化观察点击位置，敏感操作设白名单与二次确认。隐私是它最大的卖点，但速度与准确率要拿云端方案对比着用，混合最稳。

去论坛讨论

前往 silicon-agi.com 论坛 参与讨论