微软Mage-VL-Cowork：40亿参数的电脑操作智能体，在OSWorld-Verified拿到66.0%

让AI替人操作电脑，通常有两种路线：一种是看屏幕截图、移动鼠标点按钮，另一种是直接写脚本、敲终端命令。微软Mage团队10月30日公布的 Mage-VL-Cowork，把这两条路放进了同一个只有 40亿参数（4B） 的模型里。详情见官方项目页。

主要数字

在电脑操作基准 OSWorld-Verified 上，50步预算内得分 66.0%，是两轮测试的平均值，测试集为361个任务（不含Google Drive相关任务）。
分类成绩里，操作系统类任务87.5%，跨多个应用的工作流任务62.7%。
官方表格显示，它超过了体量大得多的Qwen3.6-27B（63.9%）等模型；不过同表里9B的SCALECUA-Qwen3.5-9B是68.7%，仍比它高。
训练数据方面，团队用自建的Mage-CUA-Forge流程生成了29万多个桌面和网页任务，覆盖6,915种技能。
最后的强化学习阶段比之前提升了10.16个百分点，同时模型调用次数减少13.0%，输出token减少25.4%。

我最关心的不是分数，而是“什么时候点、什么时候写代码”由模型自己决定。比如改一个表格，与其一格一格去点，不如直接用代码改，再截图确认；而调整图片、处理弹窗这类事，又只能靠看屏幕。4B的体量意味着以后有机会在本地设备上跑，不必把整个桌面都传到云端。

需要冷静看待的是，这些成绩都是团队自己用自家测试框架跑出来的，还要等第三方复现。另外，一个能在你电脑上执行命令的模型，权限和安全边界一定要设好，别让它随便动重要文件。