微软开源创新框架：可将DeepSeek，变成AI Agent

文章预览

专注AIGC领域的专业社区，关注微软 、百度文心一言、讯飞星火等大语言模型（LLM）的发展和 应用 落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！ 微软在官网发布了视觉Agent解析框架OmniParser最新版本V2.0，可将DeepSeek-R1、GPT-4o、Qwen-2.5VL等模型，变成可在计算机使用的AI Agent。 与V1版本相比，V2在检测较小的可交互UI元素时准确率更高、推理速度更快，延迟降低了60%。在高分辨率Agent基准测试ScreenSpot Pro中， V2+GPT-4o的准确率达到了惊人的39.6%，而GPT-4o原始准确率只有0.8% ，整体提升非常大。 除了V2，微软还开源了omnitool，这是一个基于Docker的 Windows 系统，涵盖屏幕理解、定位、动作规划和执行等功能，也是将大模型变成Agent的关键工具。 开源地址：https://huggingface.co/microsoft/OmniParser-v2.0 Github：https://github.com/microsoft/OmniParser/ https://github.com/microsoft/OmniP ………………………………