# 微軟釋出 Mage-VL-Cowork：4B 開放模型，同時用畫面操作和終端機控制電腦

> 地端世界 · https://onpremworld.com/zh-tw/news/2026-10-microsoft-mage-vl-cowork · CC BY 4.0

發布日期：2026-10-30 · 模型

微軟 10 月 30 日在 Hugging Face 釋出 Mage-VL-Cowork，採 Apache-2.0 授權。這個 4B 視覺語言模型把看截圖操作滑鼠鍵盤、以及 bash 終端機兩條路放進同一份權重，每一步自己決定走哪條，不需要外部的調度程式。權重在 bfloat16 下為 9.48 GB，上下文長度 32,768 token。微軟公布它在 OSWorld-Verified 的 361 項任務、50 步上限下得到 66.0%，是其表格中 4B 模型的最高分；9B 的 ScaleCUA-Qwen3.5 為 68.7%，Qwen3.6-27B 為 63.9%。

## 對地端使用者的意義

這個能操作電腦的代理只有 4B，權重不到 10 GB，又是 Apache-2.0 授權，比成績相近的 27B、30B 開放模型小得多。

## 市場怎麼看

微軟的表格裡，雲端頂尖模型仍然領先，GPT-5.5 為 78.7%、Claude Opus 4.7 為 78.0%，但可下載的 4B 模型和 GPT-5.4-mini 的 69.6% 差距不大。如果這些自行公布的成績站得住腳，例行的桌面自動化可能會是最早搬回公司內部的代理工作之一。

## 白話版

這是一個小型 AI，會像坐在你旁邊的助理一樣用電腦：需要時看著畫面點選，打指令比較快時就直接打指令。因為它小、又能免費下載，公司可以放在自己的機器上跑。

## 業內觀點

可用微軟的 Docker 映像檔跑 SGLang，或用 transformers 搭配 trust_remote_code=True，因為 llava_onevision2 是自訂架構；66.0% 成績用的取樣設定是 temperature 0.7、top_p 0.8、max new tokens 4,096。微軟沒有公布最低硬體需求，請用完整 1920×1080 截圖實測記憶體用量。這個模型能執行任意 shell 指令，官方模型卡要求一律放在隔離的容器或 VM 裡跑；也要用自己的工作內容測試，因為官方評測用的是 Linux 桌面。

## 來源

[microsoft/Mage-VL-Cowork model card (Hugging Face)](https://huggingface.co/microsoft/Mage-VL-Cowork)

## 本站相關頁面

- 模型：[Qwen3.5-9B](https://onpremworld.com/zh-tw/models/qwen3.5-9b.md)
- 模型：[Qwen3.6-27B](https://onpremworld.com/zh-tw/models/qwen3.6-27b.md)

[所有新聞](https://onpremworld.com/zh-tw/news.md)

摘要由地端世界依官方來源撰寫，附上原文連結，不轉載原文。