今天凌晨3點，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、物理世界的多模態能力，能自動處理圖像、視頻、文本等不同類型數據，例如，你可以用Magma來自動下電商訂單、查詢天氣；也可以自動操作實體機器人，或者下真實象棋時獲得幫助。

此外，Magma還能內置了心理預測功能，增強了對未來視頻幀中時空動態的理解能力，能夠準確推測視頻中人物或物體的意圖和未來行為。

開源地址：https://huggingface.co/microsoft/Magma-8B

github：https://github.com/microsoft/Magma

Magma功能展示

可以用Magma來充當實體機器人的大腦，例如，把蘑菇正確地放在盆裏。