Mage-VL-Cowork

Sources vérifiées le 6 novembre 2026. Affirmations de l’éditeur et essais tiers sont distingués ; pas de benchmark AIDreamHub exécuté.

Une politique d’action, pas un bureau prêt

Le modèle choisit computer_use ou bash à partir du texte et des captures. Il propose des actions ou traitements de fichiers, mais le checkpoint ne fournit pas seul bureau, permissions, applications et fiabilité métier.

Le choix de canal est intéressant : interface pour état visuel, bibliothèque pour table structurée. Commencez par une tâche réinitialisable et non par courrier personnel ou poste connecté sans restrictions.

Page officielle capturée par AIDreamHub, pas une exécution locale du produit.

Les conditions du résultat de 66,0 %

La fiche rapporte une moyenne de deux essais sur 361 tâches OSWorld-Verified sans Google Drive, avec 50 étapes. Le bureau est en 1920×1080 avec historique limité et agent spécifique. Ce n’est pas un taux général d’automatisation bureautique.

Une analyse de conseil souligne également entraînement et échafaudage d’exécution, sans certification indépendante. Comparez mêmes applications, contrats, budgets et procédures de remise à zéro.

Mode d’emploi : respecter le contrat technique

La structure documentée est llava_onevision2 avec code spécifique, pas un remplacement standard de Qwen3-VL. Vérifiez et fixez le code avant trust_remote_code. Un conteneur SGLang et un agent de référence sont fournis.

Montez les poids en lecture seule et liez le port au loopback. Utilisez processeur et protocole natif /generate. Un chat générique sans gabarit d’image ni exécuteur ne reproduit pas le pipeline publié.

export MODEL_DIR=/absolute/path/to/Mage-VL-Cowork
docker pull xiaoyizhang/mage-vl-cowork:0.1.0
docker run --rm --name mage-vl-cowork --gpus 'device=0' --shm-size=8g -p 127.0.0.1:30001:30001 --mount "type=bind,src=$MODEL_DIR,dst=/models/Mage-VL-Cowork,readonly" xiaoyizhang/mage-vl-cowork:0.1.0

L’exécuteur doit agir et rendre le résultat

computer_use emploie des coordonnées normalisées et attend une capture après action; bash renvoie le texte exécuté. L’exécuteur doit analyser, autoriser, agir et retourner l’état réel. Évitez une capture périmée après modification directe d’un fichier.

Pour un tableur, fournissez fichier jetable, valeurs attendues et destination. Contrôlez les cellules avec un parseur et rouvrez visuellement. JSON valide ou message « enregistré » ne prouve pas le bon fichier modifié.

Construire un pilote borné

Choisissez cellules, export ou déplacement de fichiers exemples avec critères objectifs. Ajoutez fichier absent, cible ambiguë et action refusée. Arrêtez au budget prévu sans étendre les droits pour réussir une démonstration.

Mesurez tâches terminées, reprises et interventions. Comprendre une image, émettre une action valide et produire un document accepté sont des étapes séparées. La grille est une proposition de recette, pas une mesure personnelle.

Quand choisir autre chose

Un script convient mieux aux transformations structurées connues. Le modèle hybride mérite un essai lorsque état visuel et interaction spécifique comptent. Le service géré réduit l’infrastructure, pas les autorisations ni la recette.

Environ 9,48 GB de fragments BF16 ne représentent pas toute la VRAM. Runtime, images et contexte s’ajoutent. Ne promettez pas tous les portables; gardez les révisions du modèle, processeur et environnement.

Sécurité et licence

Le checkpoint affiche Apache-2.0. Les consignes prévoient isolation jetable, périmètre limité, réseau restreint et absence d’identifiants personnels. Le texte d’une page ne permet pas une commande shell.

Les envois externes et opérations irréversibles nécessitent validation humaine. Nous avons étudié les documents, sans reproduire un benchmark bureautique. Le dessin explique le choix de canal.

Questions avant adoption

Charger le modèle suffit-il à piloter mon PC ?

Non. Architecture, processeur, contrat et exécuteur isolé sont nécessaires. N’exposez pas un poste personnel et ses accès.

66,0 % s’applique-t-il à mon entreprise ?

C’est une mesure de l’éditeur sous conditions précises. Testez vos applications et droits avec tâches réinitialisables et contrôle des livrables.

Quand utiliser bash plutôt que GUI ?

Le traitement structuré autorisé se vérifie bien par code; l’interface aide pour état et mise en page. Les deux doivent être autorisés et produire un résultat réel.

Sources consultées

• Microsoft — model card and execution contract
• Microsoft — reference agent and serving
• Codesprint Consulting — architecture analysis

Explorer les outils associés

• Agents IA
• Productivité