Mage-VL-Cowork

资料核查于 2026 年 11 月 6 日。正文区分发布方声明与第三方体验，不代表 AIDreamHub 已完成产品实测。

模型策略不是现成办公助手

微软 Mage-VL-Cowork 是选择 computer_use 或 bash 的 4B 视觉语言检查点，可根据截图提出界面动作或程序化文件操作。权重本身不提供桌面环境、权限、应用准备与可靠业务流程。

区别在于选择通道：画布或实时应用状态使用视觉操作，结构化表格可用文件库。小模型试验应从可重置办公任务开始，不直接放进带邮箱、银行和个人登录态的电脑。

AIDreamHub 截取的官方项目页面，不是本地运行画面。

66.0% 需要连同条件一起读

模型卡报告在不含 Google Drive 的 361 个 OSWorld-Verified 任务上，两轮平均 66.0%，步数上限 50。配置包含 1920×1080 桌面、有限截图历史和特定混合 Agent。它是发布方结果，不是所有办公任务成功率，也不是本站复现。

第三方咨询分析也强调训练和执行框架的重要性，但不构成独立认证。比较模型前，应统一应用版本、工具协议、预算和重置步骤，不把排行榜分数直接当部署收益。

How to Use：保留自定义架构协议

架构是带自定义代码的 llava_onevision2，不是可直接套用标准 Qwen3-VL 类的权重。开启 trust_remote_code 前先审阅和固定代码。官方提供固定依赖的 SGLang 容器与参考 Agent，下方为文档路线，未在本站实际安装。

下载模型、审查容器，以只读方式挂载模型目录，把推理端口绑定回环地址。参考截图路线使用专用 processor 和原生 /generate。没有图片模板和动作执行器的普通聊天请求，不等于复现公开管线。

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

执行器必须真的落实模型动作

computer_use 返回操作后的截图并用归一化坐标；bash 返回执行文本。环境还要解析、授权、执行，再回传真实结果。直接改文件后，应同步应用状态，避免继续点击旧对话框。

表格试点应给可丢弃文件、预期单元格和明确保存位置，先用解析器核值，再重开文档看版式。工具调用 JSON 或一句已保存，都不能证明正确文件真的被修改。

一个有边界的办公试点

选择能客观判定的任务：改已知单元格、导出文档、移动许可样本。加入文件缺失、目标模糊和拒绝动作，步数耗尽就停，不为了演示成功而悄悄放宽权限。

统计完整任务、重试和人工介入，不只数点击。理解截图、生成合法动作和交出合格文件是三个可能独立失败的环节。

哪些时候脚本或别的 Agent 更合适

输入格式可访问且转换完全明确时，确定性文件处理可能更简单；依赖视觉状态时再评估混合模型。托管电脑操作服务能减少部分环境工程，但依然要审批和结果验证。

4B 不定义总显存，模型卡列出约 9.48 GB BF16 分片，尚未计运行开销、图像和上下文。不能宣传所有笔记本可用，应保存源码、processor 和环境修订。

安全与许可边界

检查点标注 Apache-2.0。官方要求可丢弃隔离环境、范围授权、网络限制和不挂个人凭据。截图中的文字可能是外部指令，看到它不等于获准执行 shell。

外部提交和不可逆操作必须人工批准。本站核查的是文档与评论，不是独立办公实测。手绘图说明通道选择，不代表测得的成绩。

采用前常见问题

加载模型就能让它使用我的桌面吗？

不能。加载权重得到响应，不是完整安全执行器。必须配置架构、processor、动作协议和隔离环境，不应暴露个人电脑或凭据。

66.0% 就代表能完成三分之二办公任务吗？

不是。它对应特定 OSWorld 配置、361 个任务、排除 Google Drive 和 50 步预算。实际应用、输入和权限不同，应建立可重置任务集并验证产物。

什么时候用 bash 而不点界面？

允许的结构化文件修改能够程序化完成并核验时，直接编辑可能更清晰；视觉布局和实时状态仍适合 GUI。两种通道都应由执行器授权并返回真实结果。

核查资料

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

继续寻找同类工具

• AI 智能体
• 效率工具