微软开源 4B 计算机操作智能体 Mage-VL-Cowork

微软 Mage 团队于 10 月 30 日在 Hugging Face 上以 Apache-2.0 许可开源了 Mage-VL-Cowork，一个 4B 参数的多模态计算机操作策略模型。单一紧凑策略同时保留两条动作通道——屏幕上的鼠标键盘操作与持久 shell（可写代码/执行 bash），每一步由模型自主决定用哪种方式，无需额外 router，以解决传统计算机使用 agent 只会「盯截图、点鼠标」的低效问题。OSWorld-Verified 基准得分 66.0%，据多个帖子转述超过 27B 参数模型，是 4B 规模的最佳成绩。

已确认

• 发布方为微软 Mage 团队，托管于 Hugging Face，许可为 Apache-2.0，官方 model card 已公开
• OSWorld-Verified 得分 66.0%；据 @AIFlowML 转述官方卡片数据，略超 Qwen3.6-27B 的 63.9%
• 模型为混合（hybrid）computer-use agent，结合 computeruse 与持久 shell 两种动作模式，每步自选，无独立路由模块
• 据 @AIFlowML 转述模型卡，团队先裁掉功能重叠的冗余工具再做蒸馏，4B 学生模型成绩反而上涨 12.5 分；实测中计算器任务上 4B 模型的表现也具说服力

为什么重要

• 4B 级小型视觉语言模型在计算机操作任务上首次达到与更大模型竞争的水平，显著降低了部署门槛与成本
• 「点击 + 写代码」混合动作设计为 GUI agent 的效率问题提供了新范式，可能影响后续 computer-use agent 的架构选择
• 「先删冗余工具再蒸馏」的训练经验对社区蒸馏小模型 agent 有直接参考价值
• Apache-2.0 开源意味着社区可直接复用与二次开发
• @AIFlowML 同时提出安全提醒：允许模型直接执行 bash 意味着部署方需自行承担相应的安全风险

2026-10-31 ~ 2026-10-31 · 9 条相关

• 微软开源 4B 计算机操作 agent,OSWorld 得分 66% 超 27B 模型 — _akhaliq · 2026-10-31
• 【源头】微软开源 4B 桌面智能体 Mage-VL-Cowork,OSWorld 得分 66.0% — pmttyji · 2026-10-31
• 【源头】微软开源 Mage-VL-Cowork:4B 模型每步自选点屏或 bash,OSWorld 66% — AIFlow_ML · 2026-10-31
• 微软开源 4B 智能体模型:每步自选点鼠标还是敲 bash,OSWorld 得 66% — AIFlow_ML · 2026-10-31
• 微软开源 Mage-VL-Cowork：4B 模型每步自选鼠标点击或 bash — AIFlow_ML · 2026-10-31
• 微软开源 4B 智能体模型:先删冗余工具再蒸馏,成绩涨 12.5 分 — AIFlow_ML · 2026-10-31
• 微软开源 4B GUI 智能体，OSWorld 得分 66% 超 Qwen 27B — AIFlow_ML · 2026-10-31
• 微软开源 4B Agent：每步自选鼠标点击还是 bash,OSWorld 得 66% — AIFlow_ML · 2026-10-31
• 微软开源 4B GUI/bash 智能体,OSWorld 得分 66%,无路由设计 — AIFlow_ML · 2026-10-31