Forskare har presenterat Mage-VL-Cowork-4B, en modell för datoranvändning som kombinerar visuell interaktion med appar och webbplatser med kod och terminalkommandon. Träningssystemet genererade 293 806 uppgifter för datorer och webben, fördelade på 6 915 färdigheter. Forskarna uppger att det minskade de återkommande kostnaderna för att skapa uppgifter med 82,6 %.
Forskarna rapporterar ett resultat på 66,0 % på OSWorld-Verified och beskriver det som toppmodernt bland modeller i samma storlek. Resultatet har rapporterats av forskarna; sammanfattningen innehåller ingen oberoende validering eller information om hur modellen går att få tillgång till.
Varför det spelar roll
För utvecklare som utforskar datoranvändande AI-agenter tyder det rapporterade resultatet på att en liten modell kan hantera många olika uppgifter på datorer och webben. Sammanfattningen visar dock inte hur modellen presterar vid oberoende tester eller i verklig användning.
