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:2026-07-10 3:13:31
泉州市公共文化服务app 雅安市防洪app 乌鲁木齐市工商局app 鞍山市服务大厅app 南平市公开信息app 铜仁市消防局app 济南市粮食管理app 嘉兴市消费协会app 宜宾市建设局信息app 盘锦市土地局app 衡阳市天气监控中心app 烟台市城乡建设app 珠海市政要信息app 漯河市土地局app 巴中市国土信息app 景德镇市森林消防app 西宁市第四高中app 通化市第四小学app 嘉兴市第二中学app 九江市工商局app 龙岩市第一高中app 云和县消防宣传app 郎溪县申建app 建平县民政管理app 费县工商信息app 东丰县税收公开app 漳浦县农业补贴app 临澧县惠农app 阳城县环境保护协会app 易县未成年保护协会app 大通回族土族自治县事业单位app 湟源县第五高中app 麦盖提县公共法律服务app 遂溪县数据管理局app 房县养殖补助app 浑源县第二高中app 五莲县公开信息app 商河县财政信息app 绩溪县第二小学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