Yutori浏览器智能体在Together AI上实现2倍加速

Together AI介绍了目前在其基础设施上运行的Yutori浏览器操作模型Navigator。该公司表示，与前沿级模型相比，该模型推理速度快2倍，成本低4至5倍。Together AI账号在X（原Twitter）上发布的帖子中，还展示了该智能体自动操作浏览器画面的动作场景。

浏览器操作智能体的工作方式与人类使用网站的方式类似：先截取画面确认当前状态，再选择按按钮或输入文字等一个动作，然后再次截屏以决定下一步动作。Together AI将这一过程简要描述为“截屏、动作、重复”的循环，其关键在于完成一个任务需要将这一循环执行数十次。浏览搜索结果、填写表单、跳转到下一页等一系列过程都在这个循环中完成，因此哪怕单次循环的速度和成本只降低一点，整体作业时间和费用都会发生显著变化。

Together AI并非自行训练模型的公司，而是一家代为运行Llama、Qwen等开源模型以及Navigator等合作伙伴模型的推理云服务商。因此这次发布并不意味着Together AI开发了Navigator，而应理解为Together AI在自家服务器上为Yutori开发的模型提供服务，并给出了相应的性能指标。近期，Cloudflare面向智能体的专用浏览器Kitesurf、Nous Research的Hermes浏览器使用模式等，多家公司正投入到让浏览器操作智能体变得更轻量、更快速的竞争之中。

对于想将浏览器智能体真正接入实际服务的团队来说，推理单价比模型性能指标更重要。在每个任务都要经过数十次截屏与判断的结构下，能在保持相同准确率的前提下降低单次调用成本，才是长期决定服务成本的关键。按照此次发布的说法，使用Navigator的团队可以用更少的GPU资源处理相同的工作量，这一组合值得那些想将浏览器自动化嵌入商用产品的初创公司关注。