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:2026-07-07 4:30:16
岳阳市重大建设公开app 定西市振兴乡村app 贵阳市防火app 三沙市法律服务app 随州市第一中学app 延安市消防局app 晋城市残联救助app 达州市电台广播中心app 昌都市惠农app 固原市台风信息app 铁岭市法律服务app 龙岩市申建app 晋城市城乡建设app 哈尔滨市工商信息app 临邑县铁路管理app 莘县重大建设公开app 绥阳县政府公报app 崇仁县服务大厅app 称多县台风信息app 高台县便民app 象山县卫生协会app 沙雅县妇联救助app 聂荣县残联app 禄丰县便民app 祁县第三小学app 大宁县第五中学app 宁海县中心校app 炎陵县铁路管理app 乾县铁路管理app 米脂县铁路管理app 永仁县中心校app 乌鲁木齐县太阳能发电信息app 黎川县农业app 三原县公开信息app 隆回县第一中学app 纳雍县第三小学app 福海县工程造价app 泾阳县教育信息app 吉木萨尔县文旅信息app 祁县政务服务app 沁源县长子县文旅信息app 松桃苗族自治县第五高中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