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:2026-07-15 5:53:18
常德市数据管理局app 普洱市征地服务app 衡水市第二中学app 北海市铁路管理app 南京市工商局app 揭阳市便民app 盘锦市粮食管理app 青岛市公共法律服务app 宁德市消防宣传app 佛山市公共文化服务app 三沙市防灾信息app 石家庄市防洪app 安庆市消防局app 新化县文旅信息app 修文县第二小学app 民和回族土族自治县城乡建设app 眉县第五中学app 德江县同城app 清徐县防灾信息app 交口县第二高中app 临武县城乡建设app 台东县第二小学app 洪雅县人社管理app 巴楚县工商局app 泾县第三高中app 小金县桥梁管理app 海盐县第六小学app 桐庐县政务监督app 宁陕县政务监督app 霍山县学校简介app 勐海县工商信息app 巴彦县卫生协会app 元谋县街道办app 道县特殊家庭关爱协会app 永顺县第二小学app 花垣县专题专栏app 法库县第一高中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