Mano-P（Mininglamp-AI 開發）是一個開源 GUI 視覺語言動作代理（GUI-VLA Agent），主打邊緣裝置本地推論，在 OSWorld 桌面自動化基準測試中以 58.2% 準確率取得專項第一名，並支援複雜多步驟任務的規劃與執行。

重點摘要

  • OSWorld 排名第一：在目前最具公信力的桌面自動化基準測試中取得專項冠軍，驗證了其實際操作能力。
  • 本地推論，資料不外傳：支援在 Apple M4 Mac mini / MacBook 上完全本地運行，適合對隱私有要求的使用場景。
  • 純視覺驅動：無需 API Hook 或系統整合，僅透過螢幕截圖即可操作跨平台 GUI。
  • 跨平台桌面自動化：能夠操作 macOS 上各類應用程式，適用於自動化重複性桌面工作。

影響 / 編輯按

GUI Agent 是 AI Agent 領域中最貼近一般使用者的技術方向——讓 AI 像人一樣「看著螢幕」來操作電腦。Mano-P 以開源方式釋出並達到 SOTA 水準，可能加速社群在這個方向的研究與應用開發。

本文由 AI 整理，原文：GitHub