明略科技(2718.HK)大模型再獲世界級突破！Mano以72B參數獲 OSWorld 榜單Specialized 模型第一

明略科技（2718.HK）自研大模型Mano再獲世界級突破！

據OS-WorldE2E官方榜單最新數據（截至2025年10月），明略科技自研的GUI智能體大模型Mano以54.0%的任務成功率刷新紀錄，位列Specialized模型第一、模型總榜第二，僅次於Anthropic最新發佈的Claude 4.5。

Mano以72B參數在OSWorld-Verified榜單的FoundationE2EGUI評測總榜位列第二。

與今年9月首次提交的數據相比，Mano的參數規模從7B擴展至72B（約720億），任務完成率從40.1%提升到54.0%，性能實現了顯著提升。這也標誌著專用智能體在真實操作任務中的執行能力達到新高度。

Mano以72B參數在OS World-Verified榜單的Foundation E2E GUI&Specialized Model評測中位列第一。

從語言到行動：智能體的下一階段

OSWorld是目前全球最具權威的「操作智能」評測體係，涵蓋10類應用、369個跨應用任務。它要求模型在真實的桌面和浏覽器環境中執行連續操作——例如打開電子表格、搜索信息、整理數據、完成填報。這類任務遠比問答生成復雜，因為每一步都需要模型既理解内容，又理解「界面結構」，並能在多次操作中保持邏輯連貫。

在此前的測試中，即便是頂級的通用大模型，在OSWorld上的成功率也常停留在30%–40%區間。而Mano72B的最新成績——54.0%的端到端任務成功率——不僅刷新了中國模型的最高紀錄，也讓「專用智能體」第一次在這個「AI操作考場」中站上了前列。

這背後的技術路綫也與傳統語言模型截然不同。明略科技在最新版技術報告《ManoTechnicalReport》（報告鏈接：https://arxiv.org/abs/2509.17336）中係統闡述了其方法：模型的訓練並不是基於單純的文本對話，而是在高保真的模擬電腦環境中反復嘗試與學習。可以理解為，Mano被放進了一個巨大的虛擬操作係統，在其中學習如何移動光標、點擊按鈕、識別菜單、輸入數據，並通過反復試錯掌握任務完成的最佳路徑。

技術原理：讓模型在「真實環境」中學習

Mano的訓練框架包含三個階段：監督微調（SFT）、離綫強化學習（OfflineRL）和在綫強化學習（OnlineRL）。簡單來說，SFT階段相當於「老師教範例」，模型學習基礎操作方法；離綫強化學習階段讓模型通過過去的任務經驗學會「舉一反三」；而在綫強化學習階段則是在真實環境中持續練習、發現新策略。

明略科技還引入了一個名為「Think–Act–Verify」的執行閉環：模型在操作時，會先判斷當前界面狀態（Think），再執行具體動作（Act），最後驗證結果是否正確（Verify）。如果執行出錯，模型會自動調整步驟重新嘗試。這讓Mano在面對復雜、多變的操作場景時，能夠實現自我修正和容錯。

舉個通俗的例子：當你讓智能體「下載一份財務報表」時，通用大模型可能只會給出一段操作說明，而Mano會真的打開浏覽器、登錄賬戶、識別下載按鈕、選擇正確的日期範圍，並在出現錯誤提示時重新登錄、重試。這種能力的獲得，正是通過強化學習與高保真訓練環境協同實現的。

根據論文數據，Mano在加入在綫強化學習後，模型平均任務完成率提升了約14個百分點，尤其在多步驟任務（multi-turntask）中表現穩定。研究團隊指出，這種「在環境中學習」的方式，是實現操作智能的關鍵：模型不再依賴靜態語料，而是通過持續交互獲得反饋，從而具備「學習如何行動」的能力。

專用智能體的競爭力

長期以來，大模型的性能評估主要集中在語言理解、知識問答或内容生成任務上。而GUI智能體的出現，讓AI的邊界從「文字世界」延伸到了真實的操作係統中。與通用大模型相比，專用智能體的核心優勢在於——它們不追求覆蓋所有知識，而是致力於在特定任務上實現更高的執行深度與穩定性。

Mano的成績正是這一趨勢的體現。通過結構化的任務數據、針對性的強化學習和驗證機制，模型在界面識別、動作規劃和過程穩定性方面表現出了持續進步。OSWorld官方評述指出，這一成果「展示了專用智能體在真實任務執行中的潛力，也標誌著多模態智能體研究的工程化進展。」

對明略科技而言，Mano不僅是一項研究成果，也正逐步成為企業智能係統的底層技術。公司正在探索如何將Mano的操作智能嵌入到數據分析、營銷自動化、合規管理等具體場景，使模型能在實際業務流程中承擔「數字助理」的角色。研究團隊同時提到，未來的方向包括提升推理效率、減少交互步長，並推動端側輕量化部署，讓智能體在普通硬件環境中也能穩定運行。

從7B到72B，從40.1%到54.0%，Mano的進化歷程不僅是一次參數增長，更是一種能力遷移——從語言理解到操作智能的跨越。明略科技技術團隊在報告中表示，未來Mano將繼續優化推理效率與任務泛化能力，並探索端側部署與行業級落地路徑，使智能體能力真正融入企業生産流程。當模型不再只「輸出答案」，而是真正「完成任務」，人工智能才開始具備通往真實世界的執行力。

内容來源：有連雲