微软开源多模态AIAgent“Magma”：为购物和机器人操作带来新体验

文章来源：放心AI网发布时间：2025-04-20 11:30:13

微软在其官网上正式发布了多模态 AI Agent 基础模型 “Magma”，并进行了开源。这一新兴技术相较于传统的智能助手，展现出了更为强大的多模态能力，能够处理图像、视频、文本等多种数据形式，打破了数字与物理世界之间的壁垒。

Magma 不仅可以帮助用户在电商平台上自动下单，查询天气等日常事务，还能与实体机器人协作，执行更复杂的操作。比如，在下真实象棋时，Magma 能够为用户提供实时的策略建议，大大增强了游戏体验。同时，它具备心理预测功能，能够推测视频中的人物或物体的未来行为，让虚拟助手或机器人更好地理解周围的动态环境并做出相应反应。

根据官方介绍，Magma 的应用场景非常广泛。它不仅能帮助家用机器人学习如何整理那些它从未见过的物品，还能为虚拟助手生成不熟悉任务的逐步用户界面导航说明。这样的功能，使得用户在面对新环境或新任务时，能得到更为精准的帮助和指引。

Magma 是属于视觉语言动作（VLA）基础模型的一部分，能够通过海量公开视觉和语言数据进行学习。这一能力使得 Magma 能有效融合语言、空间和时间智能，为用户在数字与物理世界中的复杂任务提供解决方案。

Magma 的开源为开发者和研究人员提供了一个强大的工具，促进了智能助手和家用机器人的进一步发展。未来，随着这一技术的不断完善，我们或许能够在日常生活中看到更多基于 Magma 的创新应用。

项目地址：https://microsoft.github.io/Magma/

上一篇: 智元机器人AgiBotDigitalWorld仿真框架上线，数据集丰富多样

智元机器人今日正式宣布推出自主研发的大型仿真框架AgiBot Digital World，为机器人操作提供灵活的仿真数据生成方案、预训练的大规模仿真数据和统一的模型评测标准，并同步开源海量仿真数据。AgiBot Digital Worl

下一篇: OpenAI免费开放ChatGPT高级语音聊天模式基于GPT-4omini

2月26日，OpenAI公司在X平台发布推文，正式向广大用户宣布，即日起将免费开放ChatGPT的高级语音模式（Advanced Voice Mode）。据悉，ChatGPT的高级语音模式基于GPT-4o mini模型，通过优化计算效率，在性能方面已