Microsoft lança Mage-VL-Cowork, modelo aberto de 4B que usa o computador clicando e programando

Sabe aquela tarefa chata de abrir planilha, copiar dado, ajustar uma apresentação e salvar tudo numa pasta? A Microsoft publicou hoje o Mage-VL-Cowork, um modelo feito justamente para operar o computador sozinho, e o que me chamou a atenção é o tamanho: são só 4 bilhões de parâmetros.

Clicar ou programar, ele decide

A ideia central é juntar dois jeitos de trabalhar num único modelo. Quando a tarefa pede algo visual, como mexer num layout ou num editor gráfico, ele olha a tela e usa mouse e teclado. Quando dá para resolver com código, como editar uma planilha ou um documento, ele vai para o terminal. Segundo a equipe Mage, da Microsoft, é o próprio modelo que escolhe o caminho a cada passo, sem um sistema externo coordenando.

Os números

• 66,0% no OSWorld-Verified, com limite de 50 passos, o melhor resultado entre modelos de 4B, segundo a empresa. A referência humana citada no teste é de 72,4%.
• 87,5% nas tarefas de sistema operacional.
• A etapa final de treino por reforço somou mais de 10 pontos e ainda reduziu o número de chamadas ao modelo e o volume de texto gerado por tarefa.

Os pesos estão no Hugging Face sob a licença Apache 2.0, ou seja, qualquer pessoa pode baixar, estudar e adaptar. Todos os resultados são da própria Microsoft.

Por que eu gostei

Até agora, agentes que usam o computador dependiam de modelos gigantes rodando na nuvem. Um modelo pequeno assim abre a porta para assistentes que rodam no próprio aparelho, e isso conta muito para privacidade. Vale lembrar que o modelo foi pensado em inglês, então ainda resta ver como ele se sai com sistemas e arquivos em português. Eu, que passo horas organizando calendário de estreias em planilha, já estou curiosa.

Detalhes técnicos na página oficial do modelo.