端側 GUI 智能體模型全球第一：Mano-P 如何做到「又強又安全」

2026 年 3 月 24 日，Anthropic 宣佈其 「Computer Use」功能正式獲得「操作你電腦」的能力——在 Claude中，AI 可以移動鼠標、點擊按鈕、打開應用、填寫表格，像一個真正坐在你電腦前的助手那樣工作。

一個新賽道正在以肉眼可見的速度成型：GUI 智能體——不是和你聊天的 AI，而是替你幹活的 AI。

但一個被大多數報道忽略的問題是：當 AI 在幫你操作電腦時，你的屏幕截圖正在被上傳到雲端。Anthropic 自己在官方文檔中警告：「當 Computer Use 激活時，Claude 能看到屏幕上顯示的一切，包括個人數據、敏感文檔或私人信息。」他們甚至建議用戶在虛擬機或容器中運行這項功能。

這不是一個小問題——對於處理客戶數據、財務信息、法律文件的企業來說，這可能是一個根本性的架構選擇問題。

有沒有一種 GUI 智能體，能像 Claude 一樣強大，但數據完全不出設備？

明略科技 Mano-P 已經給出了答案：圍繞隱私與個性化兩大支柱，72B 模型屠榜證明實力，4B 蒸餾版上機證明可用——在 OSWorld 專用模型榜以 58.2% 成功率拿下全球第一，領先第二名超過 13 個百分點，而這一切完全在你自己的 Mac 上本地運行。

圖片來源：明略科技

關鍵要點

GUI 智能體賽道逐漸成型：Anthropic 發佈 Claude Computer Use 桌面版

核心矛盾浮出水面：當前主流 GUI 智能體都需要將屏幕截圖上傳雲端，Anthropic 官方文檔明確警告隱私風險

72B 屠榜，4B 上機：明略科技Mano-P 72B 模型以 58.2% 成功率拿下 OSWorld 專用模型全球第一，蒸餾為 4B 版本後可在 M4 Mac 上流暢運行

端側模型不等於弱模型：Mano-P 在 WebRetriever 等多個基準測試中超越多個千億參數級通用大模型

架構級安全：本地模式下所有推理在設備上完成，屏幕截圖不出設備，支持完全離綫運行

AI for Personal 雙支柱：隱私（數據不出設備）+ 個性化（三階段逐步釋放完整技術棧）

二、GUI 智能體是什麼？為什麼它是 AI 落地的關鍵一步

過去兩年，大模型的能力主要體現在「說」——寫文章、回答問題、生成代碼。但企業真正需要的不是一個能說會道的聊天機器人，而是一個能真正幹活的數字員工。

GUI 智能體（GUI Agent）就是這一步的關鍵跨越。它的核心能力是：通過理解圖形用戶界面（GUI），像人類一樣操作電腦完成任務。你告訴它「幫我在 CRM 係統裡錄入今天的客戶拜訪記錄」，它就真的打開 CRM、找到對應字段、填寫内容、點擊保存——全程不需要你動手。

這和傳統的 RPA（機器人流程自動化）有本質區別：

RPA 依賴係統 API 和預設規則，界面一改版就得重配，維護成本高，靈活性差。

GUI 智能體 基於視覺理解，像人一樣「看」屏幕、「理解」界面、「決定」下一步操作。界面改了？它能自適應，因為它理解的是語義，不是像素坐標。

這個差異意味著什麼？意味著 GUI 智能體可以操作任何人類能操作的軟件——不管是現代 SaaS 工具、老舊的 ERP 係統，還是只有圖形界面沒有 API 的專業軟件。它解鎖的不是某一個係統的自動化，而是通用的桌面自動化能力。

三、行業現狀：能力很強，但有兩個根本性問題

截至目前，GUI 智能體賽道的主流方案幾乎都走了同一條路：依賴雲端大模型推理。底層邏輯都是「截屏→上傳雲端→模型推理→返回操作指令」。

這條路有兩個根本性的問題：

第一個問題是數據安全。你的每一張屏幕截圖都在雲端服務器上走了一遭。對於個人用戶操作浏覽器這種場景，這或許可以接受。但當企業把 GUI 智能體用在審查合同、處理財務報表、錄入客戶數據等核心業務時，合規團隊會問：「這些截圖存在哪裡？誰能看到？保留多久？」

第二個問題更根本：雲端 AI 不可能真正「主動」幫你。 真正有用的 AI 助手應該是主動的——自己發現你有個會議快開了，自動幫你準備資料；看到重要郵件，自動提醒你。但這種主動性意味著 AI 要不停地自發運算。在雲端，每一次運算都消耗平台的算力和費用——AI 越主動，平台越虧錢。所以雲端平台必然限制 AI 的主動性，這就是為什麼你用 ChatGPT 從來不會看到它主動找你。

端側模型從根本上解決了這兩個問題：AI 跑在你自己的設備上，用的是你自己的芯片和電——它主動運行一萬次也不花平台一分錢；同時數據一步都不出你的設備。

這就引出了一個關鍵問題：有沒有一種端側方案，性能也能達到頂級？

四、Mano-P：72B 屠榜，4B 上機

在上述格局中，明略科技近期開源的的 Mano-P 佔據了一個獨特的位置：專用模型性能第一 + 端側本地運行。

圖片來源：明略科技

性能：不是「也能用」，是「最能打」

圖片來源：明略科技

72B 模型屠榜證明技術實力，蒸餾為 4B 上機證明日常可用。對於Mano-P來說，能力和便捷不是二選一。經過專項訓練和優化的專用模型，完全可以在特定任務上達到甚至超越通用大模型的水平。端側模型不等於弱模型。

圖片來源：明略科技

安全：不是「更安全」，是「架構級安全」

Mano-P 的本地模式不是在已有的雲端架構上「加了一層加密」，而是從架構層面消除了數據外洩的可能性：

圖片來源：明略科技

對於金融機構審查合同、醫療機構處理病歷、政務係統錄入公民信息等場景，這種「架構級安全」不是加分項，而是準入門檻。

技術：怎麼做到「又大又快」

在一台 Mac 上運行大參數模型做 GUI 操作，聽起來不太現實。Mano-P 靠三項核心技術解決了這個問題：

GSPruning 視覺 Token 剪枝：處理高分辨率屏幕截圖時，智能保留界面結構骨架和關鍵 UI 元素，將視覺 Token 數量壓縮至 12.57%——相當於只看屏幕上最重要的 13% 信息，推理速度提升數倍，而任務成功率幾乎不損失。

混合精度量化（w4a16）：用更緊湊的方式存儲模型——權重用 4bit，激活值保留 16bit。效果：4B 量化版本在 M4 Pro 上峰值内存僅 4.356GB，每秒能吐出約 300-400 個中文字，跑 AI 的同時你還能正常辦公。

Mano-Action 雙向自增強訓練：傳統模型只學「你告訴我點哪裡，我就點哪裡」。Mano-P 同時學習正向和反向兩個方向，通過循環一致性互相驗證。配合三階段漸進訓練（監督微調→離綫強化學習→在綫強化學習），模型從「背操作手冊」進化到「真正學會操作界面」。

五、怎麼讓 Mano-P在本地設備上自主操作界面完成任務？

Mano-P 提供了三種使用形式，覆蓋從開發者到普通用戶的不同需求：

圖片來源：明略科技

其中 mano-skill 最值得關注。作為 OpenClaw 等 AI Agent 平台的技能插件，Mano-P 賦予了 Agent 「看屏幕、動鼠標」的能力。OpenClaw 是大腦，Mano-P 是雙手——全鏈路開源，全程端側運行，數據一步不出你的設備。

舉個例子：你在 OpenClaw 中對 Agent 說「幫我把這份報告的數據錄入到公司的 ERP 係統裡」，Agent 自動規劃任務步驟，需要操作界面時調用 mano-skill，Mano-P 接管屏幕操作——整個過程在本地完成，Agent 編排和 GUI 執行無縫銜接。

運行時，屏幕右上角會顯示一個狀態面板，實時顯示任務進度，用戶可以隨時暫停或停止。每一步操作執行前，敏感或潛在危險的操作會要求用戶確認——AI 幹活，人類監督。

六、從「能用」到「敢用」：三階段開源路綫

GUI 智能體賽道正處於從「技術驗證」到「規模落地」的關鍵轉折點。

從技術趨勢看，兩個方向正在同步發展：一是通用大模型持續提升 GUI 操作能力，二是專用端側模型通過精巧的訓練和優化方法，在更小的參數規模上逼近甚至超越通用模型的任務表現。Mano-P 已經用實測數據證明了後一條路綫的可行性——而這條路綫天然兼容數據安全和合規要求。

Mano-P 代表的端側路綫給出了一個清晰的回答：AI 最強大的能力，應該跑在每個人自己的設備上。 開源、本地、可審計——AI 最強大的能力，應該跑在每個人自己的設備上。這不是一句口號，而是一個正在被實現的技術路綫。

圖片來源：明略科技

立即體驗：`brew install mano-cua`

圖片來源：明略科技

七、常見問題

Q: Mano-P 是什麼？

Mano-P 是一個開源的 GUI-VLA（Vision-Language-Action）智能體，設計用於在蘋果芯片邊緣設備上本地運行。它使用純視覺理解來跨平台自動化桌面 GUI 操作。Mano 是西班牙語裡」手」的意思，P 有兩重含義：Person（個體）與 Party（組織）——我們相信，無論個人還是企業，都能夠創造屬於自己的個性化 AI。核心理念：AI for Personal = 隱私 + 個性化。

Q: Mano-P 與 Claude Computer Use 相比如何？

圖片來源：明略科技

Mano-P 在專用模型中排名全球第一，在網頁檢索等任務上領先 Claude，且天然滿足數據安全要求。適合高安全需求場景。

Q: Mano-P 可以離綫運行嗎？

可以！ 在本地模式下，所有模型推理都在 Apple M4 設備上運行。✅ 不會向外部服務器發送任何截圖或任務描述。

Q: 需要什麼硬件配置？

最低要求：Mac mini 或 MacBook；Apple M4 芯片；32GB 内存

替代方案：任何 Mac + Mano-P 算力棒（通過 USB 4.0+ 連接）

我們計劃在未來支持更多設備。

了解更多：[GitHub – Mininglamp-AI/Mano-P] (https://github.com/Mininglamp-AI/Mano-P)

内容來源：有連雲