企业官网建设流程全解析

BU-30B-A3B-Preview模型深度解析：300亿参数背后的视觉-语言混合专家架构

【免费下载链接】bu-30b-a3b-preview项目地址: https://ai.gitcode.com/hf_mirrors/browser-use/bu-30b-a3b-preview

BU-30B-A3B-Preview是一款突破性的视觉-语言混合专家模型，基于Qwen3-VL-30B-A3B-Instruct架构构建，拥有300亿总参数和30亿活跃参数的混合专家（MoE）设计。这款模型专为浏览器使用场景优化，能在单GPU上高效运行，同时提供卓越的DOM理解和视觉推理能力。

模型核心架构解析

混合专家（MoE）设计：效率与性能的完美平衡

BU-30B-A3B-Preview采用了创新的混合专家架构，这是其能在保持高性能的同时大幅降低计算资源需求的关键。模型包含128个专家（num_experts: 128），但每个token仅由其中8个专家处理（num_experts_per_tok: 8）。这种设计使模型在拥有300亿总参数的同时，实际活跃参数仅为30亿，大幅降低了推理时的计算负载。

视觉-语言双模态融合

模型的视觉和语言处理模块通过精心设计的接口实现无缝协作：

• 视觉编码器：采用27层深度网络（depth: 27），输入图像通过16x16的补丁大小（patch_size: 16）转换为1152维特征（hidden_size: 1152），最终投影到2048维与语言模型对齐（out_hidden_size: 2048）

• 语言模型：包含48层Transformer（num_hidden_layers: 48），32个注意力头（num_attention_heads: 32），隐藏层维度2048（hidden_size: 2048），支持长达32768 tokens的上下文（max_model_len: 32768）

• 特殊标记系统：通过<|vision_start|>（151652）和<|vision_end|>（151653）等特殊标记实现视觉内容与文本的精准对齐，同时支持视频输入（<|video_pad|>151656）和对象引用（<|object_ref_start|>/<|object_ref_end|>）等高级功能

快速上手指南

通过BU Cloud使用（推荐新手）

1. 从BU Cloud获取API密钥
2. 设置环境变量：export BROWSER_USE_API_KEY="your-key"
3. 安装browser-use库并运行：

from dotenv import load_dotenv from browser_use import Agent, ChatBrowserUse load_dotenv() llm = ChatBrowserUse( model='browser-use/bu-30b-a3b-preview', # BU开源模型 ) agent = Agent( task='比较browser-use和stagehand的星标数量并告诉我哪个更多', llm=llm, flash_mode=True ) agent.run_sync()

本地部署（vLLM方式）

对于有一定技术背景的用户，推荐使用vLLM进行本地部署：

1. 安装vLLM（确保版本≥0.12.0）：

pip install vllm --upgrade

2. 启动服务：

vllm serve browser-use/bu-30b-a3b-preview \ --max-model-len 32768 \ --host 0.0.0.0 \ --port 8000

3. 通过OpenAI兼容接口使用：

from browser_use import Agent, ChatOpenAI llm = ChatOpenAI( base_url='http://localhost:8000/v1', model='browser-use/bu-30b-a3b-preview', temperature=0.6, top_p=0.95, dont_force_structured_output=True, # 禁用结构化输出以提高速度 ) agent = Agent( task='比较browser-use和stagehand的星标数量并告诉我哪个更多', llm=llm, ) agent.run_sync()

模型技术规格详解

浏览器使用场景优势

BU-30B-A3B-Preview针对浏览器使用场景进行了深度优化，主要优势包括：

卓越的DOM理解能力

模型能精准解析网页结构，理解HTML元素之间的关系和布局，这得益于其特殊设计的对象引用标记（<|object_ref_start|>/<|object_ref_end|>）和框选标记（<|box_start|>/<|box_end|>）。

强大的视觉推理能力

通过视觉编码器的深度栈（27层）和空间合并技术（spatial_merge_size: 2），模型能处理复杂的视觉场景，识别网页中的图像内容并将其与文本信息关联。

高效的工具调用能力

模型内置工具调用机制（<tool_call>/</tool_call>和<tool_response>/</tool_response>），能无缝集成浏览器操作，实现自动化网页交互。

总结

BU-30B-A3B-Preview代表了浏览器AI助手的新一代技术方向，通过混合专家架构在性能和效率之间取得了完美平衡。300亿参数的模型能在单GPU上流畅运行，同时提供SoTA级别的DOM理解和视觉推理能力，为浏览器自动化和智能助手应用开辟了新的可能性。

无论是通过BU Cloud快速体验，还是使用vLLM进行本地部署，这款模型都能为开发者和普通用户提供强大而灵活的浏览器AI能力。随着浏览器使用场景的不断扩展，BU-30B-A3B-Preview无疑将成为构建下一代智能网页应用的关键基础设施。

【免费下载链接】bu-30b-a3b-preview项目地址: https://ai.gitcode.com/hf_mirrors/browser-use/bu-30b-a3b-preview