تخطَّ إلى المحتوى الرئيسي
ToolPotion
مستشار الذكاء الاصطناعي
إرسال (مجاني)

Mage-VL-Cowork

Mage-VL-Cowork هو وكيل هجين متعدد الوسائط يستخدم 4B من المعلمات تم تطويره بواسطة Microsoft. يدمج تفاعل واجهة المستخدم الرسومية المستند إلى لقطة الشاشة وتنفيذ الكود/الطرفية المستمر ضمن سياسة لغة الرؤية الواحدة. يتفوق هذا النموذج في المهام المعقدة على الكمبيوتر، مما يظهر أداءً من الطراز الأول بالنسبة لحجمه ويدفع حدود الذكاء على الجهاز لوكلاء سطح المكتب المستقلين.

زيارة الرابط
مشاركة
لقطة شاشة لـ Mage-VL-Cowork
لقطة شاشة لـ Mage-VL-Cowork

Mage-VL-Cowork هو وكيل هجين متعدد الوسائط يستخدم 4B من المعلمات تم تطويره بواسطة فريق Mage في Microsoft. تم تصميمه لسد الفجوة بين وكلاء استخدام الكمبيوتر المستندين إلى البكسل (CUAs) وأولئك الذين لديهم وصول ساذج إلى كل من أدوات واجهة المستخدم الرسومية والأدوات الطرفية. يحقق النموذج كفاءة هجينة من خلال دمج تفاعل واجهة المستخدم الرسومية المستند إلى لقطة الشاشة («computer_use») وتنفيذ الكود/الطرفية المستمر («bash») ضمن سياسة لغة الرؤية الواحدة، مما يلغي الحاجة إلى منظم خارجي.

قراءة المزيد

يتضمن تدريب النموذج منهجًا تدريجيًا من خمس مراحل يتخصص ثم يوحد، بدءًا من نقطة تفتيش Mage-VL المتوسطة 4B. يبني هذا المنهج أساسًا قويًا للتأسيس البصري المستقل، وتنفيذ واجهة المستخدم الرسومية، وكفاءة البرمجة/الطرفية قبل توحيدها من خلال Hybrid SFT وOnline Hybrid RL غير المتزامن. جانب رئيسي من تطويره هو تطور حزام المعلم، الذي يقلم مسارات العمل الزائدة ويجهز مكتبات المجال، مما يؤدي إلى مكاسب كبيرة في تقطير الطلاب.

يستفيد Mage-VL-Cowork أيضًا من Mage-CUA-Forge، وهو محرك تركيب يركز على سير العمل يولد عددًا هائلًا من المهام عبر المهارات الذرية بينما يقلل بشكل كبير من تكاليف توليد المهام المتكررة. تقلل هذه الطريقة من استهلاك الرموز والنفقات مقارنة بأساليب البناء التي تركز على الوكلاء القياسيين.

مع 4B من المعلمات، يحقق Mage-VL-Cowork 66.0% على OSWorld-Verified ضمن ميزانية من 50 خطوة، مما يمثل أفضل أداء بين النماذج من حجمه. يظهر أداءً قويًا في مهام نظام التشغيل (87.5%) وسير العمل متعدد التطبيقات (62.7%). يتم تعزيز كفاءة النموذج بشكل أكبر من خلال التعلم المعزز عبر الإنترنت، الذي يضيف تحسينات كبيرة في الدقة بينما يقلل في الوقت نفسه من متوسط استدعاءات النموذج ورموز الإخراج. يسمح له ذاكرة العمل غير المتماثلة بإدارة المهام الطويلة الأمد على سطح المكتب من خلال ضغط الأدوار السابقة والاحتفاظ بالبيانات المرئية والاستجابة الحديثة.

تم إصدار Mage-VL-Cowork بموجب ترخيص Apache-2.0 ويهدف إلى النشر في بيئات صندوق الرمل المعزولة والقابلة للتخلص منها نظرًا لقدراته المستقلة. يدعم بنية متعددة الوسائط مخصصة ويتطلب تكوينات محددة للاستدلال، بما في ذلك عقدة موحدة ثنائية القناة لتفاعلات واجهة المستخدم الرسومية والطرفية.

  • الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
  • نموذج التسعيرمفتوح المصدر
  • النشرسحابي
  • المنصاتالويب

  • استخدام الكمبيوتر الهجين: يجمع بين تفاعل واجهة المستخدم الرسومية وتنفيذ الطرفية ضمن سياسة واحدة.

  • 4B من المعلمات: يحقق أداءً من الطراز الأول عند نطاق 4B.

  • بنية متعددة الوسائط: نموذج صورة-نص إلى نص يعتمد على بنية llava_onevision2.

  • منهج تدريبي من خمس مراحل: نهج تدريجي يتخصص ثم يوحد لتطوير المهارات الشاملة.

  • تطور أحزمة المعلم: يعزز تقطير الطلاب ويحسن الكفاءة.

  • تركيب بيئة تركز على سير العمل (Mage-CUA-Forge): يقلل من تكلفة توليد المهام واستهلاك الرموز.

  • توجيه القناة على مستوى الدور الداخلي: يختار ديناميكيًا بين واجهة المستخدم الرسومية وbash لتحقيق تنفيذ مثالي.

  • أداء عالي موثق من OSWorld: يحقق 66.0% في مهام OSWorld-Verified.

  • تنفيذ قوي لنظام التشغيل وسير العمل متعدد التطبيقات: 87.5% في مهام نظام التشغيل، 62.7% في سير العمل متعدد التطبيقات.

  • التعلم المعزز عبر الإنترنت: يحسن الدقة بمقدار +10.16 نقطة مئوية ويقلل من استدعاءات النموذج/رموز الإخراج.

  • ذاكرة عمل غير متماثلة: تدير المهام الطويلة الأمد مع ذاكرة مطوية ونافذة مرئية نشطة.

  • نقطة تفتيش موحدة: تتعامل مع التأسيس البصري، والتلاعب بواجهة المستخدم الرسومية، والعمليات البرمجية، وتبديل القنوات.

  • ترخيص Apache-2.0: ترخيص مفتوح المصدر للاستخدام والتوزيع.

  • بنية متعددة الوسائط مخصصة: تستخدم llava_onevision2 مع Qwen2_5_VLProcessor.

  1. تثبيت التبعيات: إعداد البيئة المطلوبة، بما في ذلك SGLang وPyTorch وTransformers.

  2. الخدمة باستخدام SGLang: إطلاق خادم الاستدلال GPU باستخدام حاوية Docker المقدمة أو بيئة مخصصة.

  3. تكوين الطلبات متعددة الوسائط: تقديم المطالبات باستخدام AutoProcessor.apply_chat_template وإرسال حمولات الصور base64 إلى نقطة النهاية /generate الخاصة بـ SGLang.

  4. تطبيق معلمات العينة: استخدام الإعدادات الموصى بها مثل درجة الحرارة 0.7، top_p 0.8، والحد الأقصى من الرموز الجديدة 4096.

  5. تنفيذ نظام المطالبات ونموذج الأدوات: استخدام العقدة الموحدة ثنائية القناة بالضبط لاستخدام الكمبيوتر وbash.

  6. تنفيذ استدلال Transformers غير المتصل: استخدام النموذج للاستدلال مع الأمثلة المقدمة.

  7. إعادة إنتاج تقييم OSWorld-Verified: إطلاق وقت تشغيل SGLang وتشغيل حزام تقييم OSWorld-Verified.

  8. نشر بأمان: يجب دائمًا تشغيل الوكيل في بيئة صندوق الرمل المعزولة مع تفويض محدد وعدم تعرض بيانات الاعتماد.

  • أتمتة سطح المكتب المستقل
  • تفاعل واجهة المستخدم الرسومية
  • تحرير الملفات برمجيًا
  • عمليات النظام
  • تفاعل بيئة الويب
  • مهام هندسة البرمجيات
  • الذكاء على الجهاز
  • البحث والتطوير

أدوات ذكاء اصطناعي شائعة مثل Mage-VL-Cowork

DeepSeek-V4-Flash-Vision-Exp

نماذج اللغة الكبيرة

DeepSeek-V4-Flash-Vision-Exp هو نموذج تجريبي متعدد الوسائط في عائلة DeepSeek-V4، يعزز من قدرات الفهم البصري. يعتمد على بنية DeepSeek-V4-Flash، ويقدم تحسينات في قدرات الوكلاء متعدد…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة

المرتبة 69 في نماذج اللغة الكبيرة

عرض الأداة

نماذج اللغة الكبيرة

نموذج تجريبي متعدد الوسائط في عائلة DeepSeek-V4، يعزز من قدرات الفهم البصري. يعتمد على بنية DeepSeek-V4-Flash، ويقدم تحسينات في قدرات الوكلاء متعدد…DeepSeek-V4-Flash-Vision-Exp هو نموذج تجريبي متعدد الوسائط في عائلة DeepSeek-V4، يعزز من قدرات الفهم البصري. يعتمد على بنية DeepSeek-V4-Flash، ويقدم تحسينات في قدرات الوكلاء متعدد…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
المرتبة 69 في نماذج اللغة الكبيرة

LiquidAI LFM2.5-2.6B

نماذج اللغة الكبيرة

LiquidAI LFM2.5-2.6B هو نموذج هجين مصمم للنشر على الأجهزة، ويقدم استدلالًا فعالًا وقدرات وكيلة. يدعم عدة لغات ومُحسّن لمجموعة متنوعة من المنصات، مما يجعله متعدد الاستخدامات…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة

المرتبة 28 في نماذج اللغة الكبيرة

عرض الأداة

نماذج اللغة الكبيرة

نموذج هجين مصمم للنشر على الأجهزة، ويقدم استدلالًا فعالًا وقدرات وكيلة. يدعم عدة لغات ومُحسّن لمجموعة متنوعة من المنصات، مما يجعله متعدد الاستخدامات…LiquidAI LFM2.5-2.6B هو نموذج هجين مصمم للنشر على الأجهزة، ويقدم استدلالًا فعالًا وقدرات وكيلة. يدعم عدة لغات ومُحسّن لمجموعة متنوعة من المنصات، مما يجعله متعدد الاستخدامات…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
المرتبة 28 في نماذج اللغة الكبيرة

OmniParser هي طريقة لتحليل لقطات شاشة واجهة المستخدم إلى عناصر منظمة. إنه يعزز قدرة نماذج لغة الرؤية مثل GPT-4V على توليد إجراءات على الواجهات. يحدد OmniParser الأيقونات التفاعلية…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

طريقة لتحليل لقطات شاشة واجهة المستخدم إلى عناصر منظمة. إنه يعزز قدرة نماذج لغة الرؤية مثل GPT-4V على توليد إجراءات على الواجهات. يحدد OmniParser الأيقونات التفاعلية…OmniParser هي طريقة لتحليل لقطات شاشة واجهة المستخدم إلى عناصر منظمة. إنه يعزز قدرة نماذج لغة الرؤية مثل GPT-4V على توليد إجراءات على الواجهات. يحدد OmniParser الأيقونات التفاعلية…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي

نموذج Command A+ | Cohere

نماذج الذكاء الاصطناعي

نموذج Command A+ هو نموذج مزيج من الخبراء يحتوي على 25 مليار معلمة نشطة و218 مليار معلمة إجمالية، مصمم للتفكير المعقد، والرؤية، والمهام متعددة اللغات عبر 48 لغة، مما يوفر حلولاً…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

نموذج مزيج من الخبراء يحتوي على 25 مليار معلمة نشطة و218 مليار معلمة إجمالية، مصمم للتفكير المعقد، والرؤية، والمهام متعددة اللغات عبر 48 لغة، مما يوفر حلولاً…نموذج Command A+ هو نموذج مزيج من الخبراء يحتوي على 25 مليار معلمة نشطة و218 مليار معلمة إجمالية، مصمم للتفكير المعقد، والرؤية، والمهام متعددة اللغات عبر 48 لغة، مما يوفر حلولاً…

مميزةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي

Spark-X2.6-4B

نماذج اللغة الكبيرة

Spark-X2.6-4B هو نموذج لغة عام مضغوط مصمم للنشر على الأجهزة. يقدم تحسينات في البرمجة، ودعم متعدد اللغات، وقدرات التفكير، مما يجعله مثالياً للمطورين والمستخدمين الذين يتعاملون مع…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج اللغة الكبيرة

نموذج لغة عام مضغوط مصمم للنشر على الأجهزة. يقدم تحسينات في البرمجة، ودعم متعدد اللغات، وقدرات التفكير، مما يجعله مثالياً للمطورين والمستخدمين الذين يتعاملون مع…Spark-X2.6-4B هو نموذج لغة عام مضغوط مصمم للنشر على الأجهزة. يقدم تحسينات في البرمجة، ودعم متعدد اللغات، وقدرات التفكير، مما يجعله مثالياً للمطورين والمستخدمين الذين يتعاملون مع…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 100 من نماذج اللغة الكبيرة

MiniMax-M3.1-Flash

نماذج اللغة الكبيرة

MiniMax-M3.1-Flash هو نموذج متعدد الأنماط من نوع مزيج الخبراء مصمم للبرمجة، وسير العمل الوكيلة، والأمن السيبراني. يدعم المدخلات النصية والصورية والفيديو، مما يوفر تحسينًا في أداء…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة

المرتبة 75 في نماذج اللغة الكبيرة

عرض الأداة

نماذج اللغة الكبيرة

نموذج متعدد الأنماط من نوع مزيج الخبراء مصمم للبرمجة، وسير العمل الوكيلة، والأمن السيبراني. يدعم المدخلات النصية والصورية والفيديو، مما يوفر تحسينًا في أداء…MiniMax-M3.1-Flash هو نموذج متعدد الأنماط من نوع مزيج الخبراء مصمم للبرمجة، وسير العمل الوكيلة، والأمن السيبراني. يدعم المدخلات النصية والصورية والفيديو، مما يوفر تحسينًا في أداء…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
المرتبة 75 في نماذج اللغة الكبيرة

LLaVA

مستودعات GitHub للذكاء الاصطناعي

LLaVA هو نموذج ضبط التعليمات المرئية يجمع بين قدرات اللغة والرؤية الكبيرة. يهدف إلى تحقيق أداء بمستوى GPT-4V، مما يتيح الفهم والتفاعل متعدد الوسائط. يوفر المشروع التعليمات…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

مستودعات GitHub للذكاء الاصطناعي

نموذج ضبط التعليمات المرئية يجمع بين قدرات اللغة والرؤية الكبيرة. يهدف إلى تحقيق أداء بمستوى GPT-4V، مما يتيح الفهم والتفاعل متعدد الوسائط. يوفر المشروع التعليمات…LLaVA هو نموذج ضبط التعليمات المرئية يجمع بين قدرات اللغة والرؤية الكبيرة. يهدف إلى تحقيق أداء بمستوى GPT-4V، مما يتيح الفهم والتفاعل متعدد الوسائط. يوفر المشروع التعليمات…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 250 من مستودعات GitHub للذكاء الاصطناعي

gptme - وكيل في الطرفية

وكلاء الذكاء الاصطناعي

gptme هو وكيل ذكاء اصطناعي محلي أولاً وغير مرتبط بمزود، يعمل في أي طرفية. يوفر واجهة سطر أوامر قوية للمهام البرمجية، وأعمال المعرفة، ومهام الوكيل المستقلة، ويدعم العديد من مزودي…

مساعدو البرمجة بالذكاء الاصطناعي

المرتبة 218 في وكلاء الذكاء الاصطناعي

عرض الأداة

وكلاء الذكاء الاصطناعي

وكيل ذكاء اصطناعي محلي أولاً وغير مرتبط بمزود، يعمل في أي طرفية. يوفر واجهة سطر أوامر قوية للمهام البرمجية، وأعمال المعرفة، ومهام الوكيل المستقلة، ويدعم العديد من مزودي…gptme هو وكيل ذكاء اصطناعي محلي أولاً وغير مرتبط بمزود، يعمل في أي طرفية. يوفر واجهة سطر أوامر قوية للمهام البرمجية، وأعمال المعرفة، ومهام الوكيل المستقلة، ويدعم العديد من مزودي…

مساعدو البرمجة بالذكاء الاصطناعي
المرتبة 218 في وكلاء الذكاء الاصطناعي
1 من 8