Odaily星球日報訊 微軟在官網發布了視覺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）
dark