微軟開源創新框架：可將DeepSeek，變成AI Agent

金十數據2月17日訊，微軟在官網發佈了視覺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。