# مدل ۴ میلیاردپارامتری Mage-VL-Cowork برای کار با رایانه آموزش دید

> پژوهشگران می‌گویند مدلی که برای ترکیب تعامل با صفحه‌نمایش و استفاده از کد و ترمینال آموزش دیده، در آزمون OSWorld-Verified امتیاز ۶۶٫۰٪ گرفته است.

Oossa · 2026-11-02 · https://oossa.com/fa/mage-vl-cowork-trains-a-4b-model-for-computer-use

پژوهشگران از Mage-VL-Cowork-4B رونمایی کرده‌اند؛ مدلی برای کار با رایانه که تعامل بصری با اپلیکیشن‌ها و وب‌سایت‌ها را با کدنویسی و اجرای فرمان‌های ترمینال ترکیب می‌کند. سامانه آموزشی این مدل 293,806 وظیفه دسکتاپ و وب را در 6,915 مهارت تولید کرده است. به گفته پژوهشگران، این سامانه هزینه تکرارشونده تولید وظایف را 82.6% کاهش داده است.

این تیم می‌گوید مدل در آزمون OSWorld-Verified امتیاز 66.0% گرفته و در میان مدل‌های هم‌اندازه خود، بهترین عملکرد را دارد. این نتیجه را پژوهشگران گزارش کرده‌اند؛ چکیده مقاله اعتبارسنجی مستقل یا جزئیاتی درباره دسترسی به مدل ارائه نمی‌دهد.

## حقایق

- اندازه مدل: ۴ میلیارد پارامتر؛ امتیاز گزارش‌شده در OSWorld-Verified: 66.0%.
- داده‌های آموزشی: 293,806 وظیفه در 6,915 مهارت.

## چرا مهم است

برای توسعه‌دهندگانی که روی عامل‌های کار با رایانه کار می‌کنند، امتیاز گزارش‌شده نشان می‌دهد مدلی کوچک می‌تواند از پس طیفی از وظایف دسکتاپ و وب برآید؛ اما چکیده مقاله عملکرد آن را در استفاده مستقل یا دنیای واقعی تأیید نمی‌کند.

## منابع و ارجاع‌ها

1. [Mage-VL-Cowork: A Full Training Recipe to Learn Hybrid Computer Use From Evolved Harnesses](https://arxiv.org/abs/2610.40747) – arXiv, 2026-11-02

آخرین به‌روزرسانی: 2026-11-02