北京時間今日凌晨，微軟在官網開源了多模態AI Agent基礎模型Magma。與傳統Agent相比，Magma具備跨數字與物理世界的多模態能力，可自動處理圖像、視頻、文本等多種數據類型。此外，Magma內置心理預測功能，能夠準確推測視頻中人物或物體的意圖及未來行為，顯著提升對時空動態的理解能力。

　　Magma的應用場景廣泛，用戶可借助其自動完成電商訂單、查詢天氣，甚至操作實體機器人或在真實象棋對弈中獲得幫助。官方表示，Magma能夠幫助AI驅動的助手或機器人理解周圍環境并采取相應行動，例如指導家用機器人整理從未見過的物品，或為虛擬助手生成復雜任務的導航說明。

　　作為視覺語言動作(VLA)基礎模型之一，Magma能夠從海量公開視覺和語言數據中學習知識，融合語言、空間和時間智能，高效應對數字與物理世界中的復雜任務與環境。這一開源模型的發布，標志著AI在跨領域智能應用中的又一重大突破。