hcaptcha-challenger: hCaptcha mit ONNX-Modellen und multimodalen LLMs lösen
🥂 Gracefully face hCaptcha challenge with multimodal large language model.
Auf einen Blick
- Was ist das?
- Das Projekt QIN2DIM/hcaptcha-challenger kombiniert lokale ONNX-Modelle mit multimodalen Sprachmodellen, um hCaptcha-Aufgaben automatisiert zu bearbeiten. Es richtet sich an Entwickler, die eigene Agenten gegen hCaptcha testen wollen, und steht unter GPL-3.0.
- Für wen ist es gedacht?
- Wer hCaptcha-Aufgaben in eigenen Playwright-Agenten automatisieren will, findet hier eine dokumentierte Sammlung von Modellen und Schnittstellen. Wer eine rechtlich abgesicherte oder besonders robuste Lösung braucht, sollte zuerst die Lizenzfragen und die Modellabhängigkeiten prüfen.
- Darf ich es kommerziell nutzen?
- Ja, unter Bedingungen. GPL-3.0 ist eine Copyleft-Lizenz: Wenn Sie Software weitergeben, die sie enthält, müssen Sie deren Quellcode unter derselben Lizenz veröffentlichen. Wer sie nur intern betreibt, ohne sie weiterzugeben, löst diese Pflicht nicht aus.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 32 Tagen.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Welches Problem hcaptcha-challenger adressiert
hCaptcha stellt Webseitenbetreibern verschiedene Aufgabentypen: Bildklassifikation, Auswahl von Punkten oder Bereichen, Multiple-Choice und Drag-and-Drop. Wer einen Browser-Agenten auf Playwright-Basis baut, stößt irgendwann auf genau diese Aufgaben und braucht eine Entscheidung: Aufgabe manuell lösen, einen kommerziellen Dienst beauftragen oder ein eigenes Modell betreiben. Das Projekt positioniert sich gegen die ersten beiden Optionen. Laut README verzichtet es auf Tampermonkey-Skripte und auf Drittanbieter-Dienste. Stattdessen sollen Schnittstellen implementiert werden, die ein KI-gegen-KI-Szenario ermöglichen. Der Adressat ist damit klar umrissen: Entwickler, die bereits Playwright einsetzen und die Lösung im eigenen Prozess halten wollen. Wer nur gelegentlich ein Captcha auf einer einzelnen Seite sieht, hat mit diesem Projekt mehr Aufwand als Nutzen.
Aufgabentypen und die zugeordneten Modelle
Die Feature-Tabelle ordnet jedem hCaptcha-Aufgabentyp eine Ressource zu. Für image_label_binary nennt das README ein ResNet-ONNX-Klassifikationsmodell. Für image_label_area_select im Punktmodus kommt YOLOv8 ONNX zur Detektion zum Einsatz, im Bounding-Box-Modus dient YOLOv8 ONNX zur Segmentierung. image_label_multiple_choice nutzt ein ViT-ONNX-Modell im Zero-Shot-Modus. Für image_drag_drop ist Spatial Chain-of-Thought als Verfahren angegeben. In der Spalte Agent Capability sind drei dieser Typen mit einem Haken versehen, Segmentierung und Multiple-Choice ohne. Das ist eine belastbare Aussage über den Reifegrad: Nicht jeder Aufgabentyp ist gleich weit abgedeckt. Wer eine Seite mit überwiegend Multiple-Choice-Aufgaben automatisiert, sollte mit anderen Fehlerraten rechnen als bei binärer Klassifikation. Die Tabelle selbst nennt keine Genauigkeitswerte, und ohne eigene Messung lassen sich aus dem Repository keine Trefferquoten ableiten.
Der Workflow hinter den Modellen
Das Projekt beschreibt einen mehrstufigen Ablauf. Ein Sentinel-Workflow sammelt neue hCaptcha-Aufgaben, ein Collector-Workflow übernimmt die Datenerhebung. Die Annotation läuft über Roboflow, die Trainings- und Validierungsschritte für ResNet und YOLOv8 sind als Colab-Notebooks verlinkt. Anschließend werden die Modelle hochgeladen und aktualisiert, wobei das README auf einen Modelhub im Release-Tag model verweist. Datensätze werden öffentlich über Roboflow Universe bereitgestellt. Dieser Aufbau erklärt, warum das Projekt überhaupt existiert: hCaptcha ändert Aufgaben und Darstellung, ein einmal trainiertes Modell veraltet. Der Sentinel-Teil ist der Versuch, diese Drift automatisch zu erkennen. Ob die Erkennung schnell genug greift, lässt sich aus dem Repository nicht ablesen. Für Nutzer bedeutet der Aufbau eine Abhängigkeit: Die Qualität der mitgelieferten Gewichte hängt daran, wie regelmäßig dieser Kreislauf durchlaufen wird.
Installation und Einbindung in eigene Agenten
Das Paket wird über PyPI verteilt, der Badge im README verweist auf hcaptcha-challenger. Die Dokumentation liegt im Repository unter docs/README.md für Englisch, docs/README_zh.md für Chinesisch sowie je einer russischen und vietnamesischen Fassung. Konkrete Aufrufe zeigt das README nicht, es beschreibt die Einbindung als Implementierung von Schnittstellen. Wer das Projekt einsetzen will, muss sich also durch die Dokumentationsdateien und den Quellcode unter src/ arbeiten. Für die Modellseite nennt das README ONNX als Format, was den Betrieb ohne Python-Trainingsumgebung ermöglicht. Ein Hinweis auf konkrete Umgebungsvariablen, Konfigurationsschlüssel oder Kommandozeilenparameter findet sich im vorliegenden Material nicht. Diese Lücke ist relevant: Ohne dokumentierte Einstiegspunkte ist die Zeit bis zum ersten laufenden Aufruf schwer einzuschätzen.
Grenzen und Fälle, in denen das Projekt das falsche Werkzeug ist
Zwei Aufgabentypen sind in der Tabelle ohne Agent-Capability aufgeführt. Das ist keine Formalie, sondern eine Aussage über den Automatisierungsgrad. Hinzu kommt die Abhängigkeit von multimodalen Sprachmodellen: Für den agentischen Workflow nennt das README AIOps Multimodal Large language model und verweist auf die Gemini-API-Dokumentation. Wer diesen Pfad nutzt, sendet Bildinhalte an einen externen Anbieter und ist an dessen Verfügbarkeit, Preise und Nutzungsbedingungen gebunden. Das widerspricht teilweise dem Anspruch, ohne Drittanbieter-Dienste auszukommen. Der lokale Pfad über ONNX vermeidet das, deckt aber nicht alle Aufgabentypen ab. Ein weiterer Punkt: hCaptcha ist ein Schutzmechanismus. Wer ihn umgeht, sollte die Bedingungen der Zielseite kennen. Das Projekt liefert dafür keine Aussage, es ist ein technisches Werkzeug.
Was andere Werkzeuge anders machen
Der naheliegende Vergleich sind kommerzielle Captcha-Dienste. Deren Modell ist grundlegend anders: Der Nutzer schickt das Captcha samt Seiten-URL an eine API und erhält ein Token zurück. Der Anbieter betreibt die Modelle, aktualisiert sie und trägt das Risiko veralteter Erkennung. Bei hcaptcha-challenger liegt genau dieses Risiko beim Nutzer: Modelle, Datensätze und der Sentinel-Kreislauf sind Teil des eigenen Betriebs. Dafür bleiben die Bilddaten im eigenen Prozess, sofern nicht der multimodale Pfad gewählt wird. Ein zweiter Vergleichspunkt ist der Browser selbst. Playwright bringt keine Captcha-Lösung mit, und das README verweist auf undetected-playwright als verwandtes Projekt, das Fingerprinting von Playwright-Agenten behandelt. Das ist eine andere Ebene: Fingerprinting betrifft die Erkennung des Agenten, hcaptcha-challenger betrifft die Aufgabenlösung. Beides zusammen zu betreiben ist plausibel, ersetzt aber keines durch das andere.
Wartung, Releases und Lizenz
Die Release-Historie zeigt v0.19.0 vom 5. Januar 2026, davor v0.18.13 vom 26. Oktober 2025 und v0.18.12 vom 22. Oktober 2025. Zwischen den letzten beiden liegt nur ein Abstand von vier Tagen, danach folgt ein größerer Sprung. Der letzte Push datiert auf den 15. August 2026, das Repository ist nicht archiviert. Wer das Projekt einsetzt, übernimmt damit auch die Pflege der Modellgewichte, denn die hängen am Sentinel- und Collector-Kreislauf. Die Lizenz ist GPL-3.0. Wer den Code in ein eigenes Produkt einbettet, muss die Bedingungen dieser Lizenz beachten; das betrifft insbesondere die Weitergabe von Ableitungen. Eine rechtliche Bewertung kann hier nicht erfolgen, ein Blick in die LICENSE-Datei und gegebenenfalls in die eigene Rechtsabteilung ist vor der Integration sinnvoll. Die Modellgewichte werden über einen separaten Release-Tag verteilt, was die Lizenzfrage für die Gewichte selbst zu einem eigenen Prüfpunkt macht.
Redaktionelles Fazit
Wer hCaptcha-Aufgaben in eigenen Playwright-Agenten automatisieren will, findet hier eine dokumentierte Sammlung von Modellen und Schnittstellen. Wer eine rechtlich abgesicherte oder besonders robuste Lösung braucht, sollte zuerst die Lizenzfragen und die Modellabhängigkeiten prüfen. Vor dem produktiven Einsatz ist zu klären, ob die veröffentlichten ONNX-Gewichte noch zu den aktuellen hCaptcha-Aufgabentypen passen.
Community-Notizen