Novo modelo de IA da Hugging Face aprende a usar o computador como um humano
O Smol2Operator consegue navegar interfaces gráficas, clicar em botões e preencher formulários sozinho — tudo rodando em um computador comum.
A Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados) acaba de lançar o Smol2Operator, um modelo de linguagem pequeno que aprendeu a usar interfaces gráficas de computador do jeito que um humano faria. Em vez de apenas gerar texto ou código, ele consegue olhar para a tela, identificar botões, campos de texto e menus, e executar ações como clicar, arrastar ou preencher formulários — tudo isso sem precisar de uma GPU (processador gráfico poderoso usado para rodar modelos grandes de IA).
O projeto usa o smolLM2 (um modelo de linguagem compacto, com 1,7 bilhão de parâmetros) como base e o treina para interpretar capturas de tela e decidir qual ação tomar a seguir. Segundo informou a Hugging Face em seu blog oficial, o modelo foi ajustado especificamente para essa tarefa usando dados sintéticos — ou seja, cenários de uso gerados artificialmente por outros modelos de IA, não por usuários reais. Isso permitiu criar um agente funcional sem depender de milhares de horas de gravações de tela humanas.
Na prática, o Smol2Operator pode ser útil para automatizar tarefas repetitivas no computador, como preencher planilhas, navegar por sites ou testar aplicativos. A Hugging Face disponibilizou o modelo com pesos abertos (o que significa que qualquer pessoa pode baixá-lo, modificá-lo e usá-lo livremente) e criou um dataset chamado SmolThinker-ScreenCaptioning para que outros desenvolvedores possam treinar seus próprios agentes. O código completo e os dados estão disponíveis gratuitamente na plataforma.
O que chama atenção é o tamanho: enquanto outros modelos similares, como os desenvolvidos pela Anthropic (empresa criadora do chatbot Claude) ou pela Microsoft, exigem máquinas potentes e muitas vezes rodam na nuvem, o Smol2Operator foi feito para funcionar localmente, até mesmo em computadores modestos. Isso abre caminho para que pequenas empresas e desenvolvedores independentes experimentem com agentes de IA que entendem interfaces gráficas, sem precisar de orçamentos gigantes ou infraestrutura complexa.
