Forschende haben Mage-VL-Cowork-4B vorgestellt, ein Modell zur Computerbedienung, das die visuelle Interaktion mit Apps und Websites mit Code und Terminalbefehlen verbinden soll. Das Trainingssystem erzeugte 293.806 Aufgaben für Desktop und Web in 6.915 Kompetenzbereichen. Nach Angaben der Autoren senkte es die wiederkehrenden Kosten für die Aufgabenerstellung um 82,6 %.
Das Team berichtet einen Wert von 66,0 % auf OSWorld-Verified und bezeichnet das Ergebnis als führend unter Modellen dieser Größe. Der Wert stammt von den Autoren; das Abstract enthält weder eine unabhängige Überprüfung noch Angaben zum Zugang zum Modell.
Warum es wichtig ist
Für Entwickler, die Computerbedienungs-Agenten erproben, deutet der gemeldete Wert darauf hin, dass ein kleines Modell verschiedenartige Desktop- und Webaufgaben bewältigen kann. Das Abstract belegt jedoch nicht, wie es sich bei unabhängigen Tests oder im praktischen Einsatz schlägt.
