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:2026-06-30 9:47:33
巴中市农业app 保定市教育局app 衡阳市特殊家庭关爱协会app 抚州市事业单位app 武威市政务服务app 龙岩市住房保障app 张掖市未成年保护协会app 铜仁市旅游协会app 呼和浩特市农业app 平顶山市工商局app 宿州市第三高中app 白山市数据管理局app 苏州市通讯协会app 滨州市风力发电app 营口市财政信息app 乌兰察布市卫生协会app 揭阳市电视台广播app 南京市消防局app 那曲市公共法律服务app 南昌市非物质文化遗产app 昌都市第四小学app 梅州市第二高中app 双鸭山市学校简介app 忻州市安全生产app 铜仁市第三小学app 滁州市第四高中app 肇庆市灾害救助app 兰州市旅游协会app 资中县残联app 绥江县土地局app 措美县政要信息app 碌曲县第一小学app 郎溪县非物质文化遗产app 师宗县粮食管理app 循化撒拉族自治县工商信息app 和顺县建设局信息app 思南县第五小学app 武宣县风力发电app 磐安县第三小学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