Исследователи представили Mage-VL-Cowork-4B — модель для управления компьютером, которая сочетает визуальное взаимодействие с приложениями и сайтами с использованием кода и команд терминала. С помощью разработанной системы для обучения сгенерировали 293 806 задач для работы с компьютером и веб-сайтами, охватывающих 6 915 навыков. Авторы утверждают, что это позволило сократить повторяющиеся расходы на создание задач на 82,6%.
По данным команды, модель набрала 66,0% в тесте OSWorld-Verified. Авторы называют этот результат лучшим среди моделей сопоставимого размера. Однако он представлен самими авторами: в аннотации нет независимой проверки или подробностей о доступе к модели.
Почему это важно
Для разработчиков, изучающих возможности ИИ-агентов для управления компьютером, заявленный результат показывает, что небольшая модель может справляться с разными задачами на компьютере и в интернете. Но аннотация не позволяет судить о её работе в независимых тестах или в реальных условиях.
