或者,先转发到社区
发到你自己的账号下,原文只显示前面几行,大家能一起讨论
一句话说清:微软把一个小到能装进家用显卡的模型开源了——它看得懂屏幕,会自己点鼠标、填表、开软件,遇到繁琐的步骤还会直接敲一行命令解决。
微软 Mage 团队把 Mage-VL-Cowork 放上 Hugging Face,权重免费、Apache 2.0 协议,商用也可以。几个要点:
① 想试的话,模型页是 microsoft/Mage-VL-Cowork,用官方推荐的 SGLang 启动,或者用社区 Docker 镜像;
② 苹果电脑装 mlx-vlm,跑 4bit 版本,16GB 统一内存就能玩;
③ 一定放在虚拟机或隔离环境里跑,别把常用账号、浏览器登录状态、密钥目录给它;
④ 先拿能验证结果的任务练手:整理一个文件夹、批量改图片尺寸,做完自己打开检查。
它有一条终端通道,等于手里握着「管理员权限」。微软自己在模型卡里写得很硬:要在隔离容器或虚拟机里运行,不要挂载密钥、云平台凭据、浏览器 Cookie 和密码库;付款、登录、改权限这类不可逆操作必须人来点最后一下。网页上藏一句注入指令,在它眼里只是屏幕上多了几个像素,但它可能真的照着做。