WebAnything copia sozinho 244 sites para treinar agentes web

Para ensinar um agente de IA a usar sites, é preciso um ambiente onde ele possa clicar, errar e recomeçar do zero. A internet real não serve para isso: o estado não pode ser reiniciado, o resultado não se reproduz, e um clique a mais pode finalizar um pedido de verdade. Pesquisadores da Nanyang Technological University e da empresa Shanghai Qiji Zhifeng apresentaram o WebAnything. O sistema recebe o endereço de um site comum e monta sozinho uma cópia local funcional, sem ajuste manual para cada site. A coleção atual tem 244 dessas cópias, distribuídas em 14 áreas e 53 categorias. Elas reúnem 12 984 tarefas verificadas para agentes.

Por que as abordagens existentes falham

Os autores descrevem três abordagens, cada uma com uma fraqueza.

• Cópias feitas por humanos. São precisas e controláveis, mas exigem trabalho de engenharia específico para cada site. Um exemplo é o WebHarbor, em que as cópias são feitas por pessoas junto com um agente de programação.
• Geração de site a partir de uma descrição. Escala bem, mas o resultado pode se afastar do site real.
• Gravação e reprodução. A aparência se mantém, mas o agente não consegue ir além do que foi gravado.

O WebAnything tenta pegar o melhor de cada uma: automação, fidelidade ao original e liberdade de ação.

Um agente constrói, o outro verifica

O sistema não enxerga o código do servidor do site, apenas o que o navegador mostra. O primeiro agente de IA, a dupla Explorer–Builder, percorre as páginas e reúne evidências: estrutura da página, estilos, geometria dos elementos, capturas de tela, fontes e imagens. O ponto central da coleta são os registros de «antes e depois» de cada ação. Um menu fechado e o mesmo menu aberto, no mesmo endereço, contam como estados diferentes. Com esses dados, o agente escreve o código: páginas, rotas e transições entre estados.

Em seguida entra o segundo agente de IA, um verificador independente. Ele recebe a versão congelada e, em uma sessão separada, executa de novo as páginas, os elementos, os cenários e a persistência de dados. Depois, compara o resultado com os registros do original. Ele não pode alterar o código; só o construtor faz isso.

Quando encontra uma divergência, o sistema segue um de dois caminhos:

• Se há dados suficientes e a cópia errou, o construtor recebe uma descrição precisa: o que foi feito, o que se esperava e o que aconteceu. Depois, ele corrige o código localmente.
• Se faltam dados, o sistema volta ao site original e coleta o que falta.

Após qualquer correção, a versão é congelada e verificada de novo. Um exemplo do artigo: no Figma, o campo de comentário no canvas apareceu no lugar errado e com aparência diferente. O construtor alterou a marcação e os estilos, e o verificador confirmou a posição e a visibilidade.

A cópia pronta vem com dados iniciais fixos, reinicialização de estado e verificação de resultado. Ela pode ser executada quantas vezes for necessário.

O que as medições mostraram

Nos 85 sites da coleção histórica, não há registro de implementação, depuração ou correção manual por site. Só são necessárias a configuração inicial e a autenticação. Os autores contabilizaram o custo das chamadas ao modelo para 84 sites e descrevem o total como um limite inferior.

A qualidade foi comparada com a do WebHarbor em cinco sites e 14 estados de página. O WebAnything venceu nas três métricas automáticas: coincidência de pixels, similaridade estrutural SSIM e precisão textual Text F1. Na avaliação cega de três anotadores, o resultado foi de 12 vitórias, dois empates e nenhuma derrota. Em separado, foram verificadas 18 divergências em seis sites, e todas foram confirmadas e corrigidas.

A utilidade para treinamento foi testada no modelo Qwen3.5-9B. Ele foi ajustado com 5 856 trajetórias (60 517 exemplos passo a passo e 473 passos de treinamento). O ganho em três testes externos:

• REAL, teste em cópias controladas de sites: +9,9 p.p. de tarefas bem-sucedidas.
• Odysseys-Easy: +6,25 p.p. na rubrica de avaliação e +6,32 p.p. na taxa de tarefas concluídas.
• WebArena-Verified: +13,33 p.p. de taxa geral de sucesso.

As 6 812 novas tarefas em 229 sites não foram usadas nesse ajuste fino.

O que isso significa na prática

Para equipes que desenvolvem agentes web, o ponto principal é que copiar sites deixa de ser trabalho manual. Antes, um cenário com «cem lojas, bancos e gerenciadores de tarefas diferentes» esbarrava na quantidade de horas de trabalho humano. Agora, a questão é o orçamento para chamadas ao modelo.

Há limitações. O site é copiado dentro do escopo declarado. A lógica oculta do servidor só é reconstruída a partir do comportamento observável. O ganho foi medido em um único modelo pequeno e em uma estrutura de agente fixa. Isso não garante o mesmo efeito em outros modelos e outras tarefas.