微软开源 4B 计算机操作 agent,OSWorld 得分 66% 超 27B 模型
_akhaliq · x · 2026-10-31
微软在 Hugging Face 发布一个 4B 参数的混合（hybrid）computer-use agent，单一紧凑策略既能决定何时点击、也能决定何时写代码。在 OSWorld-Verified 基准上得分 66.0%，超过 27B/30B 级别的 agent，位居端侧（on-device）模型第一梯队，接近人类 72.4% 的水平（榜单对比 Mage-VL-Cowork-4B 66.0、ScaleCUA-Qwen3.5-9B 68.7 等，前沿模型 GPT-5.5 为 78.7）。
亮点在于用极小参数量拿到接近前沿闭源 agent 的成绩，被评价为「知道何时点、何时写」的紧凑策略，可作为本地部署的计算机操作智能体。
「模型」频道最新
- 14 个模型测 960 项分析师任务:做分析近满分,选股不如随机 — HeyAmit_ · 2026-10-31
- Anthropic 官宣：11月3日起 Claude 输出将带不可见文本水印 — petesena · 2026-10-31
- 四款 GPT-6 系列模型同台比拼像素画生成效果 — Angaisb_ · 2026-10-31
- Perplexity 员工公开征集:发来任务,让 decider 做 SOTA — antoine_chaffin · 2026-10-31
- Arena 周榜：Gemini 4 Carbon 登顶文本榜，GPT-6.1 Terra 杀入 Agent 榜 — arena · 2026-10-31
- 六款新模型同题实测:DeepSeek V4.1 Flash 两美分全过,最热 Flint 仅 1/5 — latent_lurker8587 · 2026-10-31