Qwen3-0.6B trên Samsung Galaxy Note 8 (2017) điều khiển tự động trình duyệt Chrome máy tính
Các nhà phát triển đã chứng minh rằng mô hình Qwen3-0.6B nén (dung lượng 400 MB) chạy cục bộ trên điện thoại Samsung Galaxy Note 8 (2017) thông qua llama.cpp trong Termux có thể tự động hóa thành công các tác vụ trên trình duyệt Chrome máy tính. Bằng cách sử dụng một lớp nhận thức trang cấu trúc tùy chỉnh, mô hình siêu nhỏ này đã đạt tỷ lệ thành công 100% trên nhiều bài kiểm tra mà không cần xử lý HTML thô hay ảnh màn hình. Thử nghiệm này chứng minh rằng tính năng tự động hóa trình duyệt dạng agent không bắt buộc phải dùng các LLM đám mây khổng lồ hay phần cứng hiện đại nếu kết hợp với lớp trừu tượng hóa hiệu quả giúp giảm số lượng token. Điều này mở ra tiềm năng cho các thiết bị biên công suất thấp và điện thoại di động cũ thực hiện các quy trình tự động hóa web phức tạp một cách cục bộ và riêng tư. Dạng biểu diễn trang cấu trúc giúp giảm kích thước prompt từ hàng trăm nghìn ký tự HTML thô xuống chỉ còn khoảng 200–500 token, giúp hoàn thành tác vụ trong dưới 80 giây. Tuy nhiên, tác giả lưu ý giới hạn rõ ràng: trong khi các mô hình dưới 1B giỏi khớp tên và trích xuất dữ liệu, các tác vụ suy luận đòi hỏi đánh giá trang phức tạp vẫn làm thất bại các mô hình dưới 1,5B tham số.
## KIẾN THỨC NỀN
Việc chạy các mô hình ngôn ngữ lớn (LLM) trên thiết bị biên giới hạn tài nguyên thường dựa vào kỹ thuật lượng tử hóa như Q4_K_M để nén dung lượng mô hình nhưng vẫn giữ được độ chính xác. Các công cụ như llama.cpp cho phép thực thi mô hình cục bộ bằng C/C++ hiệu quả trên kiến trúc CPU, trong khi Termux cung cấp môi trường dòng lệnh Linux trên Android. Các khung tự động hóa web truyền thống thường đưa toàn bộ mã HTML hoặc ảnh màn hình trang web vào mô hình, gây tốn rất nhiều bộ nhớ và ngữ cảnh token.