微软 4B 小模型登顶 OSWorld:Mage-VL-Cowork 得 66 分逼近人类
microsoft · hf · 2026-11-04
微软发布 Mage-VL-Cowork,一个 4B 参数的混合计算机操作 agent,通过渐进式课程训练与可扩展合成数据生成,在 OSWorld-Verified 上取得 66.0% 的 SOTA 成绩。
从对比图看:
- 66.0% 超过 ScaleCUA-Qwen3.5-9B(68.7 为更大模型,但 4B 档无对手)与 Muse Glimmer-30B(65.9),逼近人类水平 72.4%
- 远超同尺寸的 Qwen3.5-4B(35.6)与 Fara1.5-4B(13.8)
- 也超过多个前沿大模型:GPT-5.4-mini(69.6 除外)、Claude Sonnet 4.5(62.9)、Seed-1.8(61.9)、UI-TARS-2(53.1)、OpenAI CUA(31.3)
核心贡献是一套完整的训练配方:从进化后的 harness 中学习混合式计算机操作,兼顾推理效率与操作能力。
「编程与Agent」频道最新
- 用 LLM 海量生成稀有内容，复刻动画式 MMORPG 体验 — rickasaurus · 2026-11-04
- 开发者自写 Chrome 插件给 X 换回经典小鸟图标 — joonasvirtanen · 2026-11-04
- 开发者给个人聊天应用加上「许愿」界面，自动触发 OpenCode 后台 Agent — SubtleGradient · 2026-11-04
- OpenHands+Harbor+SkyRL 组合，让产品公司给自己的 Agent Harness 做后训练 — StasBekman · 2026-11-04
- Google Antigravity 新 UI 曝光:将新增上下文与配额指示器 — clmt · 2026-11-04
- Claude Code「ultrathink」实战：四步组合让 Opus 产出质量提升 10 倍 — daniel_mac8 · 2026-11-04