苹果发布 MintAct：统一视觉智能体模型，OSWorld 拿 48.9 分
apple · hf · 2026-09-21
苹果发布 MintAct 系列视觉语言模型，统一了 UI grounding、移动/桌面/Web 多步导航与视觉工具调用，提供 2B、4B、8B 三种规模。通过精心设计的环境、数据与训练配方，MintAct 在所有这些能力上追平了各领域的专用模型。
基础设施：环境侧可在异构后端上并发运行数百个实例，同时服务轨迹采集与在线 RL；训练侧采用异步 RL 框架，可显式控制跨域训练分布，并在嘈杂环境反馈与 off-policy 漂移下保持稳定。
成绩：在 OSWorld-Verified 上取得 48.9 分的 SOTA，在多个同级规模模型中表现领先。
「具身」频道最新
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12
- CoRL 联合主席忆 2021 展区仅三张桌，对比 2026 规模感概行业巨变 — Ed__Johns · 2026-11-12
- keerthanpg:机器人学家仍不接受苦涩教训,CoRL 现场五阶段哀伤 — keerthanpg · 2026-11-12
- SynthICL：纯合成数据训练，单演示泛化 16 项真实操作任务 — Ed__Johns · 2026-11-12
- 8 小时、$94 API 费用：Claude 给机器狗装上激光雷达和大脑 — chrismatthieu · 2026-11-12
- 优必选向永达汽车售 400 台 U1 Pro 仿生人形机器人，约值 6800 万元 — CyberRobooo · 2026-11-12