结论先行
WebBrain 把浏览器自动化 Agent 的门槛从"需要云服务器 + API 额度"拉低到"一台 16GB MacBook 就能跑"。基于 Qwen3.5-9B int4 量化版本，8GB 显存即可运行，完全离线，零 API 费用。这对于隐私敏感场景和长期运行任务来说是关键突破。
硬件门槛一览
| 硬件配置 | 可用方案 | 性能预期 |
|---|---|---|
| 8GB VRAM（MacBook 16GB 统一内存 / RTX 4060/3060/5050） | Qwen3.5-9B int4 | 可用，适合常规浏览任务 |
| 22+ GB VRAM（RTX 3090/4090） | Qwen2.5-VL 完整精度 | 更高精度，复杂视觉任务 |
| RTX 5090 | 可跑更大模型 | 最佳体验 |
关键突破在于 int4 量化后的 9B 模型在浏览器 Agent 场景下的可用性。团队测试了 22 个视觉语言模型，最终选定 Qwen3.5-9B 作为最优平衡点——在 8GB 显存约束下，视觉理解和网页操作能力最接近大模型。
WebBrain 是什么
WebBrain 是一个本地运行的浏览器 Agent，核心能力包括：
- 视觉理解：直接"看"网页截图，理解页面布局和内容
- 自动操作：点击、输入、滚动、表单填写
- 任务规划：多步骤任务拆解和执行
- 上下文记忆：跨页面保持任务上下文
与传统浏览器自动化工具（如 Selenium、Playwright）的区别在于：WebBrain 不依赖预先编写的脚本，而是通过视觉理解动态决策操作步骤，更像"一个人在操作浏览器"。
为什么选择 Qwen3.5-9B int4
团队在 22 个视觉语言模型中做出的选择基于以下权衡：
| 考量因素 | Qwen3.5-9B int4 | 其他模型 |
|---|---|---|
| 显存占用 | ~5GB | 多数需要 12GB+ |
| 视觉理解精度 | 在浏览器场景足够 | 更大模型提升有限 |
| 推理速度 | 8GB 卡上流畅 | 大模型可能卡顿 |
| 开源许可 | Apache 2.0 | 部分模型有限制 |
| 生态支持 | Ollama / llama.cpp 原生支持 | 部分需要定制 |
对于浏览器 Agent 这个特定场景，9B 参数的视觉理解能力已经够用——识别按钮、读取文本、理解表单结构，不需要千亿参数的"通用智能"。
典型使用场景
- 隐私敏感的数据采集：不需要将网页内容发送到云端
- 长期运行的监控任务：无 API 费用限制，24/7 运行无成本
- 内网环境自动化：完全离线，适用于企业内网或隔离环境
- 开发调试：本地快速测试浏览器自动化流程
格局判断
"本地化"正在成为 AI Agent 部署的重要趋势：
- 成本：云端 API 长期运行的累积费用可能远超硬件投入
- 隐私：浏览器操作涉及大量敏感数据，本地处理更安全
- 稳定性：不依赖网络连接和云端服务可用性
- 可控性：完全自主控制模型版本和运行环境
WebBrain 代表了这一趋势的一个标杆：8GB 显存这个门槛意味着大多数现代笔记本和入门级 GPU 用户都可以参与。
行动建议
- MacBook 用户：16GB 内存的 M1/M2/M3 MacBook 可以直接运行，零额外硬件投入
- 有 RTX 4060/3060 的桌面用户：升级显存到 8GB 以上即可部署
- 企业安全团队：评估 WebBrain 作为内网自动化测试方案，替代基于云端的浏览器 Agent
- 长期任务需求者：对比云端 API 费用和本地硬件成本，通常 3-6 个月即可回本