Mage-VL-Cowork（Microsoft）

什么是 Mage-VL-Cowork（Microsoft）

Mage-VL-Cowork是微软推出的5B参数视觉模型，用于构建电脑操作代理，可同时操作图形界面和终端。模型权重以Apache-2.0许可在Hugging Face免费开放，创建于2026-10-30。

如何使用

1. 安装依赖：pip install "transformers>=4.57.3" accelerate pillow torch torchvision qwen-vl-utils 从 Hugging Face 下载 microsoft/Mage-VL-Cowork；
2. 由于使用自定义 llava_onevision2 架构，加载时务必传入 trust_remote_code=True。
3. 使用官方提供的 Docker 镜像（xiaoyizhang/mage-vl-cowork:0.1.0）在 GPU 上部署，或直接用 SGLang 启动（--trust-remote-code、bfloat16、32,768 上下文）。
4. 使用模型卡中给出的 MAGE_HYBRID_SYSTEM_PROMPT 和双通道工具定义（computer_use 与 bash）。
5. 将桌面截图和任务指令发送到服务器（SGLang POST /generate）；
6. 推荐采样参数：temperature 0.7、top_p 0.8、max_new_tokens 4096。
7. 也可用 Transformers 离线推理，或用自带的 osworld_eval 脚本复现 OSWorld-Verified 评测。

使用场景

• 构建在单个 4B 模型中结合 GUI 点击与终端/代码执行的电脑操作代理 自动化操作系统及多应用工作流中的桌面任务 通过 bash 程序化编辑表格、文档和演示文稿，同时用 GUI 处理视觉类任务 研究端侧电脑操作代理并复现 OSWorld-Verified 评测结果

官方资料显示的价格

免费

• 开放权重，采用 Apache 2.0 许可证。

价格以官网为准 · 价格尚未人工核验

来源：huggingface.co · 资料日期：2026年11月2日

公司信息

公司

Microsoft

社交媒体

• github