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:2026-06-28 1:46:33
泰安市第三中学app 宝鸡市招标信息app 沈阳市助农app 林芝市台风信息app 宁德市公共文化服务app 黑河市风力发电app 固原市税务局app 大庆市工商局app 吴忠市未成年保护协会app 朝阳市政府公报app 宜昌市住房保障app 防城港市风力发电app 嘉峪关市风力发电app 昭通市第二高中app 乌兰察布市水务app 钦州市新闻中心app 内丘县防灾信息app 文成县消防局app 宁远县铁路管理app 贡嘎县安全宣传app 仙居县电视台广播app 临武县电台广播中心app 温宿县政务监督app 绥宁县太阳能发电信息app 合浦县惠农app 临沭县专题专栏app 巫溪县土地局app 新龙县税收公开app 镇巴县铁路管理app 江陵县工程造价app 玉屏侗族自治县重大建设公开app 夏邑县农业app 于都县建设局信息app 岳西县工程造价app 三江侗族自治县防火app 辰溪县养殖补助app 河南蒙古族自治县旅游监督app 双峰县人社管理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