微软开源多模态AI Agent—Magma

今天凌晨3点，微软在官网开源了多模态AI Agent基础模型Magma。Magma能够处理图像、视频和文本等多类型数据，支持跨数字和物理世界的任务，如自动下单、查询天气或操作实体机器人。此外，Magma内置心理预测功能，增强了对未来视频帧中时空动态的理解，能准确推测人物或物体的意图和行为。