/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
29,7 млрд
Размер весов
65,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
13 фев 2026

WebWorld-32B

Генерация текстаТекст → текст3 профессии

WebWorld-32B — дообученная на Qwen3-8B текстовая модель мира для симуляции состояний веб-страниц и обучения веб-агентов.

1 332скачиваний за 30 дней86лайковвеса обновлены8 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

WebWorld-32B — языковая модель мира для обучения и оценки веб-агентов, разработанная командой Qwen. Она предсказывает следующее состояние веб-страницы по текущему состоянию и действию агента, поддерживая симуляцию траекторий длиной более 30 шагов. Модель дообучена на базе Qwen/Qwen3-8B на данных Qwen/WebWorldData; архитектура — плотная Qwen3ForCausalLM, около 29,7 млрд параметров, контекст — до 40 960 токенов.

Модель предназначена для симуляции взаимодействий с веб-средой, синтеза траекторий и поиска с просмотром возможных последствий действий. Она сохраняет форматы состояний A11y Tree, HTML, XML, Markdown и естественного языка, а действия принимает в виде вызовов функций. Поддерживаемые языки по карточке — английский и китайский. Модель текстовая и не симулирует визуальное отображение страниц на уровне пикселей. В README также отмечены склонность к чрезмерно оптимистичным исходам и то, что генерация длинных точных текстов не является её основной задачей. Лицензия — Apache-2.0.

Сценарии применения

  • предсказание состояния страницы после действия веб-агента
  • симуляция многошаговых взаимодействий с веб-сайтами
  • синтез траекторий для обучения веб-агентов
  • оценка действий агента в браузерных средах
  • поиск возможных последствий действий агента

Ограничения

Модель может чрезмерно оптимистично предсказывать результаты действий и не предназначена для точной генерации длинных материалов. Она не моделирует визуальное отображение страниц на уровне пикселей.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

WebWorld 🌐

License GitHub Dataset MS Dataset 8B MS 8B 14B MS 14B 32B MS 32B

📚 Introduction

WebWorld is a large-scale open-web world model series for training and evaluating web agents. It is trained on 1M+ real-world web interaction trajectories via a scalable hierarchical data pipeline, supporting:

  • Long-horizon simulation (30+ steps)
  • Multi-format state representations: A11y Tree, HTML, XML, Markdown, and natural language
  • CoT-activated reasoning for transition prediction
  • Cross-domain generalization to code, GUI, and game environments

Agents trained on WebWorld-synthesized trajectories achieve +9.9% on MiniWob++ and +10.9% on WebArena. When used for inference-time lookahead search, WebWorld outperforms GPT-5 as a world model.

🎯 Model Series

ModelBase ModelHuggingFace LinkModelScope Link
WebWorld-8BQwen3-8B🤗 HuggingFace🤖 ModelScope
WebWorld-14BQwen3-14B🤗 HuggingFace🤖 ModelScope
WebWorld-32BQwen3-32B🤗 HuggingFace🤖 ModelScope

WebWorldData: Huggingface: Qwen/WebWorldData, ModelScope: Qwen/WebWorldData

💡 Recommendation: Use 8B for fast simulation and data synthesis; use 14B/32B for higher-fidelity simulation and better long-horizon robustness. For best results in a specific environment, we recommend task-specific fine-tuning on in-domain trajectories.

🛠️ Requirements

  • transformers (recommended: latest version)
  • torch
  • Optional: accelerate, vllm for efficient serving

🚀 Quick Start

Key Notes:

  • WebWorld predicts the next page state given the current state and an action.
  • It strictly preserves the input/output format (A11y / HTML / XML / Markdown / NL).
  • Supports multi-turn trajectory simulation up to 30+ steps.

Single-Step Prediction

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "Qwen/WebWorld-8B"  # or WebWorld-14B, WebWorld-32B
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    device_map="auto",
    torch_dtype=torch.bfloat16,
    trust_remote_code=True,
).eval()

system_prompt = (
    "You are a web world model. I will provide you with an initial page state "
    "and a sequence of actions. For each action, predict the resulting page state.\n"
    "Strictly maintain the original format. Output only the full page state "
    "without explanations, code, or truncation."
)

current_state = """RootWebArea 'Global Start - Your Daily Portal', focused
\t[1] banner 'Top Header', visible
\t\t[2] link 'Set as Homepage', clickable, visible
\t\t[3] link 'Feedback', clickable, visible
\t\t[5] region 'Weather Widget', visible
\t\t\tStaticText 'New York, USA'
\t\t\t[6] image 'Sunny', visible
\t\t\tStaticText '24°C'
\t\t[8] link 'Sign In', clickable, visible
\t[10] region 'Search Area', visible
\t\t[11] image 'Global Start Logo', visible
\t\tStaticText 'Search the entire web'
\t\t[12] tablist 'Search Engine Selector', orientation='horizontal'
\t\t\t[13] tab 'Google', selected=True, clickable
\t\t\t[14] tab 'Bing', selected=False, clickable
\t\t\t[15] tab 'DuckDuckGo', selected=False, clickable
\t\t[18] combobox 'Web Search', clickable, visible, autocomplete='both', expanded=False
\t\t\t[19] textbox 'Type keywords or URL...', clickable, visible, editable, value=''
\t\t[20] button 'Search', clickable, visible
\t[30] navigation 'Category Bar', visible
\t\t[31] link 'Home', clickable, selected=True
\t\t[32] link 'News', clickable
\t\t[33] link 'Video', clickable
\t\t[34] link 'Shopping', clickable
\t\t[35] link 'Social', clickable
\t[50] main 'Site Directory', visible
\t\t[51] region 'Top Recommended', visible
\t\t\t[52] heading 'Most Popular', visible
\t\t\t[53] list 'Top Sites Grid', visible
\t\t\t\t[54] link 'Facebook', clickable
\t\t\t\t[56] link 'YouTube', clickable
\t\t\t\t[58] link 'Amazon', clickable
\t\t\t\t[60] link 'Twitter / X', clickable
\t\t\t\t[62] link 'Instagram', clickable
\t\t\t\t[64] link 'Wikipedia', clickable
\t\t\t\t[66] link 'Netflix', clickable
\t\t\t\t[68] link 'LinkedIn', clickable
\t\t[80] region 'News & Media', visible
\t\t\t[81] heading 'Latest News', visible
\t\t\t[82] link 'CNN', clickable
\t\t\t[83] link 'BBC', clickable
\t\t\t[84] link 'The Verge', clickable
\t\t[90] region 'Shopping', visible
\t\t\t[91] heading 'E-Commerce', visible
\t\t\t[92] link 'eBay', clickable
\t\t\t[93] link 'Walmart', clickable
\t\t\t[94] link 'Best Buy', clickable
\t[200] complementary 'Ads', visible
\t\t[201] image 'Ad: Travel to Japan'
\t\t[202] link 'Book Now', clickable
\t[300] contentinfo 'Footer', visible
\t\tStaticText '© 2026 Global Start Inc.'"""

user_message = (
    f"Initial Page State:\n{current_state}\n\n"
    f"First Action: 'click([32])'\n\n"
    f"Next Page State:"
)

messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": user_message},
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)

with torch.no_grad():
    outputs = model.generate(
        **inputs,
        max_new_tokens=4096,
        do_sample=False,
    )

response = tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True)
print(response)

Multi-Turn Simulation

The first turn provides the initial state and first action. Each subsequent turn uses a fixed continuation prompt:

CONTINUE_PROMPT = (
    "Continue the trajectory. Given the previous state, "
    "predict the next page state after this action.\n\n"
    "Action: '{action}'\n\nNext Page State:"
)

# Turn 1
messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": f"Initial Page State:\n{state_0}\n\nFirst Action: '{action_0}'\n\nNext Page State:"},
]
state_1 = generate(messages)  # your generate function

# Turn 2
messages.append({"role": "assistant", "content": state_1})
messages.append({"role": "user", "content": CONTINUE_PROMPT.format(action=action_1)})
state_2 = generate(messages)

# Turn 3, 4, ... up to 30+ turns: repeat the same pattern
messages.append({"role": "assistant", "content": state_2})
messages.append({"role": "user", "content": CONTINUE_PROMPT.format(action=action_2)})
state_3 = generate(messages)

🎮 Action Space

WebWorld supports a unified action space as Python-style function calls:

CategoryActionDescription
Elementclick(bid, button, modifiers)Click a DOM element by its ID
fill(bid, text, press_enter)Type text into an input field
select_option(bid, options)Select from a dropdown / combobox
hover(bid)Hover over an element
Mousemouse_move(x, y)Move cursor to coordinates
mouse_click(x, y, button)Click at coordinates
mouse_down(x, y) / mouse_up(x, y)Press / release (drag-and-drop)
Keyboardkeyboard_press(key)Press a key (e.g., Enter, Tab)
keyboard_type(text)Type a string sequentially
Browserscroll(dx, dy)Scroll the viewport
goto(url)Navigate to a URL
go_back() / go_forward()Browser history navigation
tab_new() / tab_close() / tab_focus(index)Manage browser tabs
Metasend_msg_to_user(text)Send a message to the user
noop(wait_ms)Wait for a duration
infeasible(reason)Declare the task impossible

📊 Performance

Intrinsic Evaluation (WebWorld-Bench)

WebWorld-Bench evaluates models using Factuality Score (functional correctness) and Web Turing Score (perceptual realism) across nine dimensions:

ModelAvg FactualityAvg Turing
GPT-4o59.535.4
Claude-Opus-4.171.347.4
Gemini-3-Pro70.343.2
Qwen3-8B (base)26.917.4
WebWorld-8B70.142.2
WebWorld-14B70.744.7
WebWorld-32B71.045.6

Extrinsic Evaluation (Agent Training)

ModelMiniWob++ SRWebArena SR
GPT-4o64.3%26.6%
Qwen3-8B (base)49.4%9.8%
Qwen3-8B + WebWorld59.3% (+9.9%)20.7% (+10.9%)
Qwen3-14B (base)54.9%15.1%
Qwen3-14B + WebWorld63.2% (+8.3%)24.3% (+9.2%)

Cross-Domain Generalization

EnvironmentQwen3-8BWebWorld-8BGain
API Services0.0880.299+0.211
Code0.1470.396+0.249
Game0.2530.473+0.220
GUI Desktop0.3220.705+0.383

⚠️ Limitations

  • Sycophancy / optimism bias: the model may generate outcomes that are overly favorable to the agent's intended action.
  • Content generation fidelity: long-form, high-precision content (e.g., scientific articles) is not the primary target.
  • Text-only: WebWorld does not simulate visual / pixel-level rendering.

📝 Citation

@misc{xiao2026webworldlargescaleworldmodel,
      title={WebWorld: A Large-Scale World Model for Web Agent Training}, 
      author={Zikai Xiao and Jianhong Tu and Chuhang Zou and Yuxin Zuo and Zhi Li and Peng Wang and Bowen Yu and Fei Huang and Junyang Lin and Zuozhu Liu},
      year={2026},
      eprint={2602.14721},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2602.14721}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
e7fceed

0 моделей