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:2026-07-06 11:37:53
益阳市工商局app 黑河市第四小学app 克拉玛依市第二小学app 白城市法律服务app 郴州市教育信息app 湘潭市论坛app 贺州市财政信息app 崇左市特殊家庭关爱协会app 襄阳市街道办app 铁岭市土木工程app 丹东市第五中学app 咸阳市便民app 内江市财政信息app 蒙山县卫生协会app 汤原县防洪信息app 莎车县天气监控中心app 靖宇县第三小学app 卢氏县第二高中app 舒城县街道办app 石柱土家族自治县电台广播中心app 丹巴县振兴乡村app 垫江县卫生协会app 澄城县第四高中app 新疆维吾尔自治区税务局app 浑源县便民app 金沙县电视台广播app 凤冈县工商信息app 横峰县天气监控中心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