微软Mage-VL-Cowork公开：4B电脑代理如何在点击与代码之间切换

电脑操作代理过去常被理解为“看截图、点按钮”。微软 Mage 团队近期公开的 Mage-VL-Cowork 选择了另一条路线：让同一个约 40 亿参数的策略模型，在视觉界面操作与代码、终端执行之间切换。项目 README 在 2026 年 10 月 30 日已有更新及评测复现套件提交；本文于 11 月 2 日结合项目页、代码说明和 OSWorld 基准资料整理，不把它描述成今日刚上线的办公软件。

为什么电脑代理需要两种执行通道

项目页说明，Mage-VL-Cowork 将基于截图的鼠标、键盘交互与持续的代码、终端执行合并到单一策略中，由模型逐轮选择通道。视觉通道适合处理页面布局、画布以及尚未保存的应用状态；代码通道适合直接操作结构化文件。其关注点是让模型学会选择执行方式，而不只是再给聊天窗口接上一个终端。

一个容易理解的例子是制作销售汇总表：计算分组和写入单元格可以使用脚本，检查图表是否遮挡标题则需要查看渲染结果。这是本文用于解释混合路线的示例，并非本站已经运行过的 Mage 产品演示。

66% 是什么成绩，又不是什么承诺

官方项目页公布的成绩是：4B 模型在 50 步预算下，OSWorld-Verified 总体得分 66.0%。代码说明给出了更完整的口径：评测采用排除 Google Drive 后的 361 个任务、指定的混合执行框架和 1920×1080 桌面环境；66.0% 是两次完整运行的平均值，单次分别为 65.33% 和 66.75%。这些条件应与数字一起阅读。

OSWorld 的研究目标，是通过真实电脑环境及执行结果评价跨应用任务。它比只看答案文本更贴近实际操作，但一个受控任务集的得分不能直接变成某家公司真实办公流程的成功率。团队也可能使用不同的步数、任务子集和工具配置，因此本文不据此制作“全面超过某某模型”的排名。

这次值得关注的是训练与执行环境一起设计

项目将模型训练拆成逐步发展的五个阶段，并在收集示范前改进教师模型的执行框架。本站更关注这一路线透露的产品思路：文档库、终端接口、截图和结果检查共同影响代理表现。企业采购或自建电脑代理时，只比较模型参数量，容易漏掉应用兼容性、任务重置能力和文件验收这些成本。

例如，同一张表格即使数值完全正确，打印时也可能截断列名；脚本能证明计算正确，页面预览才能发现展示问题。把两项检查纳入一个任务，通常比把“调用工具成功”当作任务结束更有实际价值。这是编辑部基于执行机制的分析，尚无本站生产部署数据支持成本降幅。

开源研究入口与成品服务要分开看

官方仓库提供运行与评测说明，需要准备模型服务、桌面虚拟环境和相应依赖。它面向研究和工程验证，不能据此认为所有电脑都能直接安装即用。小参数量也不等于任何消费设备都能流畅运行，显存、截图处理、并发环境和整条任务链的等待时间仍要单独测量。

仓库根目录许可与子项目 README 的许可标识存在不同表述，模型权重页本轮也未能直连核实。本文因此不对模型和所有组件作统一商用许可承诺；计划部署者应分别核对具体文件、权重及依赖对应的条款。

适合哪些人关注，下一步怎样验证

适合关注的读者包括桌面自动化开发者、办公软件集成团队，以及研究本地电脑代理的工程人员。一个有用的小规模验证，应覆盖三类任务：纯文件计算、依赖界面状态的操作、两者交替的跨应用流程，并记录完成率、人工返工时间和最终文件是否通过业务检查。

对会修改文件和执行命令的代理，项目 README 建议使用可重置的隔离环境。结合这一设计，评测时可以先准备无真实账号和敏感资料的样本，让成功与失败都能重放；涉及外部提交的生产流程，则应保留明确的人员确认节点。

来源与核验说明

1. 微软 Mage-VL-Cowork 官方项目页：模型定位、执行通道与公布成绩
2. 微软官方仓库 README：评测口径、复现说明与运行边界
3. 官方 README 提交记录：2026 年 10 月 30 日更新与复现套件
4. OSWorld 官方研究项目：真实电脑任务及执行结果评测背景
5. 微软 Mage 仓库根目录 LICENSE：代码许可原文

核验日期：2026 年 11 月 2 日。项目页与 GitHub 官方 API 内容已读取；本机部分 GitHub 网页及 Hugging Face 连接超时，README 通过官方 API 获取，未独立重跑模型评测。本文为多资料综合与原创分析，文中效率或成绩均注明为项目方披露。