Agente compacto de Microsoft que maneja el ordenador combinando clics en la interfaz con código y comandos de terminal en un solo modelo.
Según Microsoft, decide en cada paso si es mejor hacer clic o programar, y con solo 4.000 millones de parámetros logra un 66 % en OSWorld-Verified, el mejor resultado entre los modelos de su tamaño en su comparativa.
Pesos abiertos en Hugging Face con licencia Apache 2.0, con el código de entrenamiento y evaluación en GitHub. Está construido sobre Mage-VL, que tiene su propia ficha en Modelos al día. Hora exacta de publicación sin confirmar.
Usa dos herramientas: ratón y teclado sobre capturas de pantalla, y una terminal con Python persistente. Entrenado a partir de Mage-VL en cinco fases, con ajuste supervisado y aprendizaje por refuerzo.
