微軟開源創新框架：可將DeepSeek-R1等模型變成AI Agent

Odaily星球日報訊 微軟在官網發佈了視覺 Agent 解析框架 OmniParser 最新版本 V2.0，可將 DeepSeek-R1、GPT-4o、Qwen-2.5VL 等模型，變成可在計算機使用的 AI Agent。與 V1 版本相比，V2 在檢測較小的可交互 UI 元素時準確率更高、推理速度更快，延遲降低了 60%。在高分辨率 Agent 基準測試 ScreenSpot Pro 中，V2+GPT-4o 的準確率達到了驚人的 39.6%，而 GPT-4o 原始準確率只有 0.8%，整體提升非常大。除了 V2，微軟還開源了 omnitool，這是一個基於 Docker 的 Windows 系統，涵蓋屏幕理解、定位、動作規劃和執行等功能，也是將大模型變成 Agent 的關鍵工具。（金十）