2026-10-30,微软Mage团队公开Mage-VL-Cowork项目页、技术报告和模型权重。该模型规模为4B,目标不是给GUI代理外挂一个独立编码模型,而是在同一策略内决定何时读取屏幕并执行鼠标键盘动作、何时转到持久化bash或Python环境处理结构化文件,随后还能在两个通道之间继续切换。
项目页披露的训练路线包含面向GUI的中期训练、GUI代理监督微调、代码与终端监督微调、混合电脑操作监督微调以及在线强化学习。配套的Mage-CUA-Forge用可复用工作流生成293806个任务、覆盖6915种技能,并保留318837条混合轨迹;团队称这种工作流式构造把重复任务生成成本从每项0.906美元降到0.158美元。
能力接口包括归一化到0—999坐标的GUI动作、键盘输入与终端工具调用。模型卡显示它以Mage-ViT和Qwen3-4B-Instruct-2507为基础,活动上下文为32768,并通过最近三张截图、最近四个完整响应和折叠后的动作历史维持工作记忆。权重约9.48GB、分成两个bf16 safetensors文件,许可证为Apache-2.0。
微软自报Mage-VL-Cowork在OSWorld-Verified、50步预算下取得66.0%,从混合SFT到在线RL提高10.16个百分点,同时平均模型调用减少13.0%、输出token减少25.4%。这些数字来自发布团队自己的技术报告,项目页还说明比较采用特定任务集合与运行设置;目前没有同期独立机构复测,因此不能把66.0%写成跨框架、跨版本都成立的第三方结论。
部署也不是“下载即插即用”。模型使用自定义llava_onevision2架构并要求trust_remote_code=True,意味着使用方必须审查远程代码、固定版本并在隔离环境验证;项目没有给出托管API、统一硬件最低配置或生产级安全边界。电脑操作代理会接触文件、凭据和终端权限,评估时还需加入权限最小化、确认点、可回滚性和恶意页面注入测试。
量仔观察
这项工作的真正看点是让小模型学习“选择工具通道”,而不是单纯扩大视觉模型。若同一策略能可靠地在GUI和代码之间路由,企业自动化可以减少外部编排层的复杂度;但自报基准与开放权重只是起点。生产价值仍取决于在真实桌面、不同分辨率和权限边界下的失败恢复,以及第三方对安全性、成本和泛化能力的复测。
