Magma 是微软研究院推出的新型多模态AI基础模型，能为多模态人工智能代理（AI agents）提供通用能力。Magma能理解和执行多模态输入的任务，覆盖数字和物理环境。Magma基于大规模的视觉-语言数据和动作数据进行预训练，Magma 结合了语言智能、空间智能和时间智能，能完成从 UI 导航到机器人操作的复杂任务。在实验中，Magma 在零样本和微调设置下均展现出卓越性能，在机器人操作和多模态理解任务中，超越了现有的专用模型。

Magma – 微软研究院联合华盛顿等高校推出的多模态AI基础模型 第1张
（图片来源网络，侵删）
Magma – 微软研究院联合华盛顿等高校推出的多模态AI基础模型 第2张
（图片来源网络，侵删）