微软开源多模态 AI Agent“Magma”:购物时可自动下单,还能推测视频人物行为

微软开源多模态 AI Agent“Magma”:购物时可自动下单,还能推测视频人物行为

作者: 发表时间:2026-07-05 4:14:15
哈密市公益app 绵阳市公路管理app 鄂尔多斯市防洪app 绍兴市第三高中app 抚州市工商局app 秦皇岛市街道办app 常州市应急管理app 七台河市同城app 山南市税务局app 绵阳市公正处app 连云港市便民app 曲靖市天气监控中心app 莆田市第二中学app 儋州市助农app 天水市森林消防app 郴州市新闻中心app 宝鸡市妇联app 三明市新闻中心app 张家口市第五小学app 吐鲁番市水利app 饶平县第一中学app 维西傈僳族自治县第二高中app 抚松县残联救助app 阿坝县防火app 永福县第一高中app 保亭黎族苗族自治县第三小学app 新平彝族傣族自治县教育信息app 商城县征地服务app 和平县教育信息app 竹溪县台风监控中心app 安阳县安全生产app 孟村回族自治县第三小学app 南澳县防灾信息app 改则县天气监控中心app

感谢本站网友 zhao_31 的线索投递!

本站 2 月 26 日消息,北京时间今日凌晨,微软在官网开源了多模态 AI Agent 基础模型 ——Magma。与传统 Agent 相比,Magma 具备跨数字、物理世界的多模态能力,能自动处理图像、视频、文本等不同类型数据,此外,Magma 还能内置了心理预测功能,增强了对未来视频帧中时空动态的理解能力,能够准确推测视频中人物或物体的意图和未来行为。

用户可以用 Magma 来自动下电商订单、查询天气;也可以自动操作实体机器人,或者在下真实象棋时获得帮助。

根据官方介绍,Magma 能够帮助 AI 驱动的助手或机器人理解周围环境并采取相应行动。例如,它可以帮助家用机器人学习如何整理以前从未见过的物品,或帮助虚拟助手为不熟悉的任务生成逐步的用户界面导航说明。

Magma 是能够适应数字和物理环境中新任务的 VLA(本站注:视觉语言动作)基础模型之一,能够有效地从海量的公开视觉和语言数据中学习知识,从而融合语言、空间和时间智能,应对数字和物理世界中的复杂任务和环境。

本站附开源链接:https://microsoft.github.io/Magma/

相关文章