知名开源浏览器自动化项目BrowserUse近日宣布，正式推出其自主研发的首款大语言模型BU-30B-A3B-Preview。这款专为网页代理（Web Agent）场景设计的模型，凭借卓越的成本控制与实时处理能力，迅速成为行业焦点，被视为该领域技术突破的新标杆。
该模型采用混合专家（MoE）架构，总参数规模达300亿，但实际推理时仅需激活30亿参数。这种设计使其在保持高性能的同时，显著降低了计算资源需求——仅需单张消费级GPU即可流畅运行，彻底改变了传统大模型对硬件的高依赖性。其基础架构基于阿里云通义千问Qwen3-VL-30B-A3B-Instruct进行深度优化，针对浏览器自动化任务进行了专项训练，支持视觉与文本的多模态输入，上下文处理能力提升至32K tokens，可高效解析复杂网页内容。
在核心功能方面，BU-30B-A3B-Preview展现了强大的网页交互能力。通过深度理解文档对象模型（DOM）结构与视觉信息，模型能够精准定位页面元素，完成点击、滚动、表单填写等操作，其执行可靠性接近人类水平。官方测试表明，该模型在自动化测试、数据采集、RPA流程等典型场景中均达到行业领先标准，尤其适合需要处理动态网页或长流程任务的应用开发。
性能对比数据显示，BU-30B-A3B-Preview在效率与成本方面具有压倒性优势：平均每步操作耗时1.2秒，任务整体完成速度远超主流商用模型；在计算资源利用率上，每1美元预算可支持完成约200个浏览器任务，成本效益是部分竞品的数十倍。更关键的是，其轻量化设计允许开发者直接在本地环境部署测试，无需承担高额云端服务费用。
目前，BU-30B-A3B-Preview已实现完全开源，模型权重文件已上传至Hugging Face平台供全球开发者免费下载。这一举措不仅降低了技术门槛，更通过开放生态加速了Web Agent领域的创新进程。开发者可将其直接集成至BrowserUse开源库，快速构建各类自动化应用。
据技术文档披露，该模型通过两阶段训练流程实现性能突破：首先在通用多模态数据上预训练基础能力，随后在浏览器操作专项数据集上进行微调。这种训练方式使其既能理解网页视觉布局，又能精准执行交互指令。实际测试中，模型在处理包含嵌套框架、动态加载内容的网页时，仍能保持90%以上的操作成功率。
对于需要大规模网页自动化的企业而言，BU-30B-A3B-Preview提供了前所未有的性价比选择。其开源特性与低部署成本，使得中小团队也能快速搭建自动化系统。当前，Hugging Face平台已开放模型下载通道，开发者可通过指定链接获取完整权重文件及使用文档。
下载地址：https://huggingface.co/browser-use/bu-30b-a3b-preview
