El Agente Web TinyFish Supera a sus Competidores en la Evaluación de Tareas Web
El Agente Web TinyFish ha demostrado ser una herramienta líder para abordar tareas web complejas, alcanzando una tasa de éxito del 81.9% en tareas difíciles en el estándar Online-Mind2Web, que consiste en 300 tareas a través de 136 sitios web en vivo. Esta cifra contrasta notablemente con grandes competidores, como OpenAI Operator, que solo logró un 43.2% de tasa de éxito en tareas similares.
El estándar Online-Mind2Web es una medida rigurosa de las capacidades de un agente web, probándolos en tareas que varían desde fáciles, como navegar por ofertas de tarjetas de crédito en Marriott, hasta desafíos complejos como reservar entradas para eventos con precios dinámicos. Las tareas involucran múltiples pasos con sitios web en vivo, incluyendo la validación de formularios y ventanas emergentes, lo que lo convierte en una prueba realista en comparación con otros estándares menos fiables como WebVoyager.
TinyFish se distingue por manejar eficazmente los errores acumulativos. Solo pierde 15.6 puntos de tareas fáciles a difíciles en comparación con las caídas masivas mostradas por otros sistemas, destacando su solidez en escenarios del mundo real. Notablemente, ha publicado todos los 300 ejecutores de tareas, incluyendo sus 40 fallos, lo que ofrece transparencia sobre sus características de rendimiento y casos de fallo, como los bloqueos anti-bot a nivel de infraestructura que se encuentran en sitios como apartments.com.
Los desarrolladores que buscan una herramienta robusta de automatización web encontrarán de interés el repositorio de recetas de código abierto de TinyFish, que proporciona información sobre su arquitectura y metodología de ejecución.
📖 Leer el texto completo: HN AI Agents
👀 Ver también
Desarrollador crea plugin de WordPress MCP con capacidades de lectura/escritura y 28 funciones
Un desarrollador creó un plugin de WordPress que registra 28 habilidades MCP a través de la API de Habilidades de WordPress, permitiendo acceso completo de lectura/escritura para agentes de IA de programación. El plugin maneja la gestión de contenido, auditoría de calidad y funciones de seguridad, convirtiendo automáticamente entre Markdown y bloques de Gutenberg.
Unsloth Studio permite duplicar la velocidad de entrenamiento con una reducción del 70% en VRAM para el ajuste local de IA.
Unsloth Studio proporciona herramientas para entrenar y ajustar modelos de lenguaje en hardware local con un entrenamiento 2 veces más rápido y una reducción del 70% en VRAM. Admite exportar modelos al formato GGUF para usar con Ollama y permite flujos de trabajo completos de codificación con IA local en hardware de 24 GB como la RTX 4090.
cowork-session-sync v1.0.0 proporciona continuidad de sesión para Claude Cowork.
cowork-session-sync v1.0.0 es una herramienta que mantiene la continuidad de sesión para Claude Cowork archivando transcripciones en bruto, destilándolas a Markdown y permitiendo el arranque con una frase mediante 'catchup-bunny' para restaurar el contexto completo.
Exasol lanza un servidor MCP para contexto de base de datos en flujos de trabajo de agentes de IA.
Exasol ha lanzado un servidor MCP que permite a las bases de datos proporcionar contexto a los agentes de IA sobre los datos disponibles, las reglas comerciales y los métodos de interacción seguros. El servidor es de solo lectura por defecto, admite flujos de trabajo de alta concurrencia y se puede implementar en entornos locales, en la nube o híbridos.