全球第一，13个SOTA！我们找到了龙虾界掌管GUI的神¶
公众号: 机器之心 发布日期: 04月13日 抓取日期: 2026-04-14 URL: https://www.jiqizhixin.com/articles/5b26fdaa-ad21-4c1f-aec1-d29f71744a37
Title: 13 个榜单 SOTA！明略科技正式开源GUI-VLA 模型Mano-P 1.0 ｜ 机器之心
URL Source: https://www.jiqizhixin.com/articles/5b26fdaa-ad21-4c1f-aec1-d29f71744a37
Markdown Content:
13 个榜单 SOTA！明略科技正式开源GUI-VLA 模型Mano-P 1.0 ｜ 机器之心¶
机器之心¶
登录
文章库
PRO会员通讯
SOTA！模型
AI Shortlist
AI 好好用
文章库
登录
13 个榜单 SOTA！明略科技正式开源GUI-VLA 模型Mano-P 1.0
0%
展开列表
直面LeCun愿景，智在无界发布最强具身世界模型，20万小时人类视频屠榜6大榜单
今天
Being-H0.7
在一台1970年代的PDP-11上训练Transformer需要多久？答案是5.5分钟
今天
Transformer
二元成功率已经过时！PRM-as-a-Judge才是你需要的具身操作评测框架
今天
具身操作评测框架
养虾「不可能三角」：好用、好玩、安全，复旦这个「00后」团队做到了！
04月13日
XSafeClaw
上海交大DENG Lab提出「LatentUM」：Unified Model的真正「战场」在视觉推理与世界模型
04月13日
DENG Lab
荣耀发布自研龙虾AI智能体YOYO Claw技术 开创“养虾本”新品类
04月13日
YOYO Claw
13 个榜单 SOTA！明略科技正式开源GUI-VLA 模型Mano-P 1.0
04月13日
Mano-P 1.0
全球第一，13个SOTA！我们找到了龙虾界掌管GUI的神
04月13日
Mano-P 1.0
国内首个！加入六维力的全感知数采，让VLA模型进化出力触觉
04月13日
原生全感知力触数采系统
迎接范式革命：最新、最全的大模型Latent Space综述，NUS、复旦、清华等联合出品
04月13日
Latent Space
大卫贝克团队从头设计小分子结合蛋白质家族：开启按需定制生物传感器的新纪元
04月13日
AI for Science
ICLR 2026｜隐式思考模型LRT：「隐式思维链」推理，更快更强！
04月13日
LRT（Latent Reasoning Tuning）
三方协同创新，北大-智源SpikePingpong算法助力智元灵犀X2彰显中国具身智能实力
04月13日
人形机器人
挤干大模型高分「水分」！最强模型仅49分，南大傅朝友发布Video-MME-v2
04月13日
MME-Survey
大佬深度解析：Coding Agent的底层运行逻辑是什么？
04月13日
Coding Agent
CVPR 2026 WorldArena挑战赛启动，高德开源高性能世界模型基线
04月13日
ABot-PhysWorld
陶哲轩亲调AI人设，权游小恶魔、贱女孩蕾吉娜版物理教学，你接受不
04月13日
聊天机器人
Openclaw 龙虾五天五连，24小时两更，火力全开！到底更新了些什么？
04月12日
Openclaw
CVPR 2026 | 摆脱相机依赖！M4Human推动毫米波人体感知迈向新阶段
04月12日
M4Human
直播预约 | 世界模型，点燃下一个AI爆点
04月11日
黄大年茶思屋
新闻资讯 原创
13小时前
13 个榜单 SOTA！明略科技正式开源GUI-VLA 模型Mano-P 1.0
近日，明略科技正式开源自研 GUI 感知智能体模型 Mano-P 1.0。Mano-P 具备 GUI 感知、理解、规划、操作与验证能力，可通过纯视觉方式直接理解并操控桌面软件、网页界面及更复杂的图形化工作流，并支持在 Apple M4 芯片设备上本地运行。
Mano-P 让 AI 打破了“只看不做”的局限，能够直接在真实的图形界面中跨平台执行复杂任务。该项目以 Apache 2.0 协议开源，完整代码公开可审计，支持商业使用与二次开发。
通过提供纯视觉理解与本地执行能力，Mano-P 赋能个人开发者与企业组织能够以低成本构建专属的个性化 AI，在保障数据主权的前提下，正式迈入“私有化”的个人 AI 时代。
纯视觉驱动，打通复杂业务流的“最后一公里”
在现有技术架构下，自动化操作往往受限于底层 API 接口调用、CDP 协议或网页 HTML 解析，一旦面对非标准应用或跨系统协作时便显得力不从心。Mano-P 以纯视觉理解为核心技术范式 ，不依赖外部接口与协议，能够直接理解并操控桌面软件、3D 应用及复杂的专业工具，从根本上打破了传统基于浏览器的生态边界 。
同时，Mano-P 可为现有 Agent 生态提供关键的执行能力底座。目前，Mano-P 可通过 skill 形式无缝接入OpenClaw 等 AI Agent。强强联合下，Agent 可以无缝穿梭于多窗口系统和跨应用的工作流中，顺滑地执行点击、文本输入、窗口切换及视觉验证等闭环动作。
这一突破解决了长期困扰 Agent 工作流的人工干预瓶颈，使模型不仅能胜任全自动应用的构建测试，更能向复杂的商业场景延伸，实现复杂任务的全程自主执行。
13 个榜单屠榜式 SOTA，刷新GUI专用模型性能天花板
为确保前沿技术在端侧设备的普惠可用，Mano-P 采用了双版本交付架构：由 72B 完整模型探索并证明技术上限，同时提供 4B 量化模型（w4a16）以满足极致的端侧部署需求 。
Mano-P 1.0 以 72B 参数量的完整模型版本，在全球多模态领域的 13 个权威基准测试榜单中，实现了针对小尺寸模型的屠榜式 SOTA 领先 。其能力矩阵全面覆盖了 GUI Grounding、CUA（计算机使用代理）、多模态感知认知、视频理解以及长上下文学习等关键维度，确立了端侧 GUI Agent 的性能标杆 。
在业界权威的 OSWorld 专有模型基准测试中，Mano-P 72B 模型以 58.2% 的任务成功率位列全球第一，领先第二名 opencua-72b（45.0%）多达 13.2 个百分点 。此外，在 ScreenSpot-V2、MMBench、UI-Vision等评测体系中，Mano-P 同样以绝对优势拔得头筹 。
卓越的性能离不开底层的技术创新。Mano-P 引入了 SFT（监督微调）、离线强化学习与在线强化学习的三阶段渐进式训练架构，并配合专有的 GSPruning 视觉 Token 剪枝技术，实现了端侧推理效率的飞跃。
在配备 Apple M4 Pro 芯片的设备上，4B 量化模型可实现高达 476 tokens/s 的预填充速度与 76 tokens/s 的解码速度，峰值内存占用仅为 4.3GB，完美适配主流边缘设备的算力与存储限制。
可端侧本地部署，实现物理隔离级数据保护
随着 AI 深入核心业务流，数据隐私与合规性成为企业决策的核心考量。Mano-P 可进行本地端侧部署，数据零上云 ，通过“纯视觉理解 + 本地执行”的架构，能够实现数据处理与外部网络的物理隔离。
在本地模式下，模型可直接在 Mac mini / MacBook（M4 芯片及以上，32GB+ 内存）上运行，或使用 Mano-P 算力棒连接（通过 USB 4.0）。系统的屏幕截图、业务流转数据及任务指令均在本地闭环，从源头上杜绝了面向云端服务器的传输风险 。
同时，Mano-P 具备强大的离线长任务自主规划能力。在无网环境下，Mano-P同样可以自主推进复杂业务流程，并完成过程中的决策与纠错。这一特性不仅重塑了人机交互的信任边界，更使得端侧 AI 能够真正进入高安全性、高隐私要求的企业级生产环境 。
践行全面开源战略，加速 Personalized AI 生态繁荣
技术的价值在于广泛的应用与生态的共建。Mano-P 遵循 Apache 2.0 协议正式开源，完整客户端代码全面公开并支持严格审计，允许商业化应用与二次开发 。
为降低企业与个人用户的接入成本，Mano-P 设计了三种开箱即用的使用形态，精准覆盖不同技术栈的用户群体。无需繁琐配置复杂的 API 密钥，用户均能以极低门槛构建专属的高性能 GUI 智能体。
按照既定开源规划，明略科技本次率先开源 Mano-CUA 核心技能，用户可将其便捷配置到 OpenClaw 或 Claude Code 中，以构建更智能的 CUA 任务工作流程，并克服人工干预带来的瓶颈。
Mano-CUA 本地模型和 SDK 组件预计将于月内正式开源，以满足具有高安全性开发者的需求。届时用户可直接调用本地化部署的 GUI-VLA 模型来构建自定义技能与工具，所有 CUA 操作都将在本地 Mac 设备上执行，而不会上传到外部服务器。
未来，明略科技还将全面开源 Mano-P 模型底层的训练方法、Token 剪枝技术与混合精度量化方案，助力开发者打造符合自身业务需求的专属本地 GUI-VLA 模型。
面向未来，从技术破局到生态共建，Mano-P 将 GUI 感知、视觉操作、本地运行与开源生态紧密结合，不仅为端侧智能体夯实了坚实的技术底座，更为“Personalized AI”铺就了一条清晰的现实路径。无论是独立开发者，还是对安全要求严苛的企业组织，都能以更低的门槛、更高的可控性，打造个性化 AI。明略科技正以开放之姿，让“人人可以创造专属AI ”的愿景逐渐照进现实。