微软开源多模态 AI Agent 基础模型 Magma

2 月 25 日，微软在官网开源多模态 AI Agent 基础模型 Magma。据介绍，与传统 Agent 相比，Magma 具备跨数字、物理世界的多模态能力，能自动处理图像、视频、文本等不同类型数据，此外，Magma 还能内置了心理预测功能，增强了对未来视频帧中时空动态的理解能力，能够准确推测视频中人物或物体的意图和未来行为。