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:2026-07-12 7:46:47
钦州市中心校app 眉山市论坛app 长治市残联救助app 哈密市热点专题app 泸州市非物质文化遗产app 三亚市台风信息app 崇左市暴雨监控中心app 中山市劳动局app 丹东市同城app 荆门市招标信息app 池州市特殊家庭关爱协会app 来宾市征地服务app 鹰潭市住房保障app 大庆市第一中学app 宿迁市教育信息app 郑州市便民app 信阳市不良信息举报app 九江市水利app 昌都市国土信息app 宜春市税务局app 枣庄市公正处app 芜湖市风力发电app 黄石市公共文化服务app 鹤壁市防火app 巴中市暴雨监控中心app 北海市环境保护协会app 铜仁市中心校app 淄博市卫生协会app 商洛市司法管理app 高阳县防灾信息app 临漳县第一小学app 稻城县重大建设公开app 浦北县出口管理app 会同县税收公开app 阳原县工商局app 浠水县森林消防app 安溪县政务监督app 集贤县信息公开app 石城县教育信息app 石阡县安全宣传app 兴国县服务大厅app 大竹县农业app 清丰县税务局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