标签 AI 模型
magma 是什么
Magma 被介绍为微软研究团队的多模态基础模型,把视觉、语言和动作结合用于规划。它经大规模视觉语言数据预训练。
你可以用它做什么
- 按指令完成网页或移动应用操作
- 从视觉输入规划机器人抓取与放置
- 理解视频内容并回答相关问题
主要特点
- SoM と ToM 技術
- 对未见任务的零样本适应
- 图像、视频与语言的多模态输入
开始使用
- 从官网或 GitHub 仓库获取模型与代码
- 按任务选择合适的预训练模型版本
- 需要时用少量标注数据微调
- 把图像、视频或文本指令传给模型
优点与缺点
✓ 我们认可的地方
- 具备空间智能与动作规划
- 支持视频问答与空间推理
! 需要留意的地方
- 特定任务可用少量标注数据微调
- 需按任务选择预训练模型版本
常见问题
由谁推出?
资料写明是微软研究团队。
列出哪些任务?
UI 导航、机器人操作和视频问答。
最后评测: 2026-11-15
更多 大模型 API 平台 工具
查看全部 →-
302.AI 把数百个大模型收在一个 API 后面的聚合云平台 开发者工具 API 集成 多模型平台 模型部署 大模型 API 平台 -
360智脑开放平台 360 大模型 API 平台 API 集成 多模型平台 知识库问答 企业自动化 大模型 API 平台 -
4o Image API 图像生成 API 网关 免费 工具 免费增值 工具 开发者工具 API 集成 大模型 API 平台 -
AI-Flow 无代码的多模型工作流 工作流自动化 开发者工具 API 集成 知识库问答 大模型 API 平台 -
AI/ML API 一个网关接入众多模型 开发者工具 API 集成 多模态 多模型平台 大模型 API 平台 -
Amazon Bedrock 带安全扫描的 AWS 代码建议 免费 工具 代码助手 集成开发环境 应用搭建器 大模型 API 平台