明略科技（2718.HK）自研大模型Mano再获世界级突破！
据OS-WorldE2E官方榜单最新数据（截至2025年10月），明略科技自研的GUI智能体大模型Mano以54.0%的任务成功率刷新纪录，位列Specialized模型第一、模型总榜第二，仅次于Anthropic最新发布的Claude 4.5。
Mano以72B参数在OSWorld-Verified榜单的FoundationE2EGUI评测总榜位列第二。
与今年9月首次提交的数据相比，Mano的参数规模从7B扩展至72B（约720亿），任务完成率从40.1%提升到54.0%，性能实现了显著提升。这也标志着专用智能体在真实操作任务中的执行能力达到新高度。
Mano以72B参数在OS World-Verified榜单的Foundation E2E GUI&Specialized Model评测中位列第一。
从语言到行动：智能体的下一阶段
OSWorld是目前全球最具权威的“操作智能”评测体系，涵盖10类应用、369个跨应用任务。它要求模型在真实的桌面和浏览器环境中执行连续操作——例如打开电子表格、搜索信息、整理数据、完成填报。这类任务远比问答生成复杂，因为每一步都需要模型既理解内容，又理解“界面结构”，并能在多次操作中保持逻辑连贯。
在此前的测试中，即便是顶级的通用大模型，在OSWorld上的成功率也常停留在30%–40%区间。而Mano72B的最新成绩——54.0%的端到端任务成功率——不仅刷新了中国模型的最高纪录，也让“专用智能体”第一次在这个“AI操作考场”中站上了前列。
这背后的技术路线也与传统语言模型截然不同。明略科技在最新版技术报告《ManoTechnicalReport》（报告链接：https://arxiv.org/abs/2509.17336）中系统阐述了其方法：模型的训练并不是基于单纯的文本对话，而是在高保真的模拟电脑环境中反复尝试与学习。可以理解为，Mano被放进了一个巨大的虚拟操作系统，在其中学习如何移动光标、点击按钮、识别菜单、输入数据，并通过反复试错掌握任务完成的最佳路径。
技术原理：让模型在“真实环境”中学习
Mano的训练框架包含三个阶段：监督微调（SFT）、离线强化学习（OfflineRL）和在线强化学习（OnlineRL）。简单来说，SFT阶段相当于“老师教范例”，模型学习基础操作方法；离线强化学习阶段让模型通过过去的任务经验学会“举一反三”；而在线强化学习阶段则是在真实环境中持续练习、发现新策略。
明略科技还引入了一个名为“Think–Act–Verify”的执行闭环：模型在操作时，会先判断当前界面状态（Think），再执行具体动作（Act），最后验证结果是否正确（Verify）。如果执行出错，模型会自动调整步骤重新尝试。这让Mano在面对复杂、多变的操作场景时，能够实现自我修正和容错。
举个通俗的例子：当你让智能体“下载一份财务报表”时，通用大模型可能只会给出一段操作说明，而Mano会真的打开浏览器、登录账户、识别下载按钮、选择正确的日期范围，并在出现错误提示时重新登录、重试。这种能力的获得，正是通过强化学习与高保真训练环境协同实现的。
根据论文数据，Mano在加入在线强化学习后，模型平均任务完成率提升了约14个百分点，尤其在多步骤任务（multi-turntask）中表现稳定。研究团队指出，这种“在环境中学习”的方式，是实现操作智能的关键：模型不再依赖静态语料，而是通过持续交互获得反馈，从而具备“学习如何行动”的能力。
专用智能体的竞争力
长期以来，大模型的性能评估主要集中在语言理解、知识问答或内容生成任务上。而GUI智能体的出现，让AI的边界从“文字世界”延伸到了真实的操作系统中。与通用大模型相比，专用智能体的核心优势在于——它们不追求覆盖所有知识，而是致力于在特定任务上实现更高的执行深度与稳定性。
Mano的成绩正是这一趋势的体现。通过结构化的任务数据、针对性的强化学习和验证机制，模型在界面识别、动作规划和过程稳定性方面表现出了持续进步。OSWorld官方评述指出，这一成果“展示了专用智能体在真实任务执行中的潜力，也标志着多模态智能体研究的工程化进展。”
对明略科技而言，Mano不仅是一项研究成果，也正逐步成为企业智能系统的底层技术。公司正在探索如何将Mano的操作智能嵌入到数据分析、营销自动化、合规管理等具体场景，使模型能在实际业务流程中承担“数字助理”的角色。研究团队同时提到，未来的方向包括提升推理效率、减少交互步长，并推动端侧轻量化部署，让智能体在普通硬件环境中也能稳定运行。
从7B到72B，从40.1%到54.0%，Mano的进化历程不仅是一次参数增长，更是一种能力迁移——从语言理解到操作智能的跨越。明略科技技术团队在报告中表示，未来Mano将继续优化推理效率与任务泛化能力，并探索端侧部署与行业级落地路径，使智能体能力真正融入企业生产流程。当模型不再只“输出答案”，而是真正“完成任务”，人工智能才开始具备通往真实世界的执行力。
新闻来源 (不包括新闻图片): 有连云