郭震 AI公众号:郭震AI

实时 AI 消息

微软开源 Mage-VL-Cowork:40 亿参数电脑操作智能体,OSWorld 达 66%

微软发布电脑操作智能体 Mage-VL-Cowork,模型仅有 40 亿参数,却在 OSWorld-Verified 基准上取得 66% 的成绩。报道称这是 4B 级别的最好水平,微软同时公开了权重、代码与技术报告,按 Apache 2.0 许可发布。

发布时间
微软开源 Mage-VL-Cowork:40 亿参数电脑操作智能体,OSWorld 达 66%
图源: microsoft.com

微软发布了名为 Mage-VL-Cowork 的电脑操作智能体,据 Pasquale Pillitteri 与 XenoSpectrum 在 10 月 31 日的报道,这个模型只有 40 亿参数(4B),却在 OSWorld 基准的 Verified 版本上拿到 66% 的分数。

标题里的两个数字放在一起才是新闻:4B 是很小的体量,而 66% 是这类桌面操作评测里少见的分数。报道把它描述为 4B 级别模型中的最好成绩,指向的是同一件事——端到端的电脑操作能力不必依赖超大模型。

所谓电脑操作智能体,指的是像人一样看屏幕、移动鼠标、敲键盘,直接替你操作软件的模型。过去的做法通常是调用一个前沿大模型来充当大脑,成本高、延迟大,也很难在本地设备上跑起来。

OSWorld 正是为这类能力设计的评测:它要求智能体在真实的桌面环境里完成多步骤任务,涉及系统设置、办公软件和跨应用流程,而不是回答一道选择题。66% 意味着模型在相当一部分完整任务链条上能自己走到终点。

微软同时放出了权重、代码与技术报告。Hugging Face 上的模型卡显示其采用 Apache 2.0 许可,这意味着团队可以直接下载部署、自行评测,而不只是看一段演示视频。

这个组合改变的是竞争叙事。过去一年外界习惯用参数规模衡量进展,而一个 4B 模型在桌面任务上接近可用,说明接下来的比拼更可能落在每美元能完成多少任务、以及在普通硬件上能否稳定运行。

后续看点有三:第三方能否复现 66% 这个数字,模型在真实企业桌面环境中的稳定性,以及任务链条拉长到几十步之后,4B 规模是否仍然撑得住。

为什么重要

开源可下载的小模型把电脑操作智能体从演示阶段推向可部署阶段,企业可以自建、自查、自行微调。这也让智能体的成本曲线成为下一轮竞争的核心指标。

微博邮件

MicrosoftAgentOpen Source
返回AI日报

附近消息

全部

11/01 01:01

奥特曼称本地 AI 推理“相当糟糕”,全球 DRAM 短缺加剧路线之争

OpenAI 首席执行官 Sam Altman 在播客访谈中称,从全球资源分配角度看,让每个人在本地电脑上跑 AI 推理“相当糟糕”。在全球 DRAM 短缺、内存成为稀缺资源的背景下,他认为算力与内存应优先集中在云端,这一表态也折射出端侧 AI 与云服务之间的路线之争。

11/01 01:13

尼日利亚Verve计划推出手机拍付,并让AI助手代为付款

尼日利亚最大银行卡组织 Verve 的首席执行官 Vincent Ogbunude 表示,公司计划推出手机拍付,并最终允许 AI 助手代表用户完成付款。这一路线图在 Moonshot by TechCabal 大会上公布,Verve 目前发卡量已达 1.3 亿张,但公司尚未给出具体上线时间。

11/01 00:12

OpenAI 下调新一轮融资目标:从 300 亿美元降至 200 亿美元

TechCrunch 汇总多家媒体报道称,OpenAI 已将最新一轮融资的目标规模下调,此前外界预期的 300 亿美元与 1.4 万亿美元估值不再成立。报道援引《金融时报》称目标降至 200 亿美元,首次交割金额还可能更低,部分大型投资者反应冷淡。

10/31 23:36

AiSOC 上线 GitHub:开源安全运营中心引入 AI 智能体

据 Pasquale Pillitteri 10 月 31 日的报道,名为 AiSOC 的项目已在 GitHub 发布,定位为由 AI 智能体驱动的开源安全运营中心。它以开源方式交付,让安全团队可以自行部署、阅读并审查处理告警的那套代码。