4B 小模型加截图反而更差：一次浏览器 Agent 实验复盘
Stunning-Sherbet1853 · reddit · 2026-11-11
作者在 6GB 显存的 RTX 3050 笔记本上跑 4B 模型，让它在三个购物网站间比价并填 9 格表格。本以为每步附上标注好的页面截图能让小模型少迷路，结果正确率反而从 4/9 降到 3/9，且 5 次运行 25 分钟内没跑完。
排查日志发现两个自身 bug：
- 截图数据被按文本计入，导致上下文溢出；
- 截图指令写的是「点击 e12」这类编号，而真实按钮 id 形如 j12、图中只显示「12」，模型无论听指令还是看图都必然出错。
修复后（接受 12/e12 并映射、失败步骤的截图顶部写明错误），卡在重复犯错的运行从 4 次降到 1 次，但正确格数反而只剩 1——步数涨到 3552，3 次运行超时，即便跑完的也多在从搜索结果里选对商品这一步失败。
作者的猜测是：读截图本身对 4B 模型就是负担，每步都变重，而真正关键的选品能力并没有提升。他向社区求证：有没有小模型靠截图变好的实际案例？是每步都发还是只在卡住时发？
「编程与Agent」频道最新
- 新基准 Continual-ARC:主流 Agent 均无法从经验中学习 — alifcoder · 2026-11-12
- KubeCon 前夕 Azure Day：AKS 单集群 65 节点跑 2.2 万个 Agent — davemccollough · 2026-11-12
- OpenShell 实用技巧:一条命令把沙箱内 Web 应用暴露到浏览器 — gethackteam · 2026-11-12
- 开发者打造「智能操作系统」：模型与智能体直接内建于 Linux 桌面系统 — NerdyRodent · 2026-11-12
- 同一提示词实测:Claude、ChatGPT、Figma Make 各生成 UI — Tegadesigns · 2026-11-12
- DeepLearning.AI 与 Prior Labs 推表格基础模型免费短课 — DeepLearningAI · 2026-11-12