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:2026-07-03 1:10:42
玉林市电台广播中心app 阳江市文旅信息app 德阳市养殖补助app 江门市水利app 吐鲁番市税务局app 梅州市第五中学app 兰州市通讯协会app 普洱市卫生协会app 濮阳市旅游协会app 无锡市税收公开app 云浮市社会求助app 松原市森林消防app 昭通市养殖补助app 镇江市振兴乡村app 丹东市民政管理app 自贡市通讯协会app 金昌市第一高中app 临沧市消防宣传app 衢州市防洪app 朔州市消防宣传app 滨州市第六小学app 晋城市教研app 巴彦淖尔市暴雨监控中心app 广安市消费协会app 东山县桥梁管理app 绩溪县专题专栏app 大田县第四高中app 甘泉县残联救助app 吉安县税收公开app 嘉善县妇联救助app 平山县街道办app 金平苗族瑶族傣族自治县非物质文化遗产app 山阳县残联救助app 鹤庆县新闻中心app 微山县民政管理app 宁陕县城乡建设app 闽侯县招标信息app 马边彝族自治县风力发电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