💡 站外导读：在AI Agent浪潮席卷全球的当下，如何让智能体无缝操控日益复杂的图形用户界面，成为突破人机协作瓶颈的关键。传统自动化依赖API或底层协议，但大量桌面软件、专业工具及遗留系统缺乏接口，成为自动化死角。同时，数据隐私与云端依赖也成为企业应用的顾虑。明略科技开源的Mano-P 1.0，正是瞄准这一核心痛点，提出了一种纯视觉驱动的GUI-VLA智能体模型，旨在通过“看”屏幕直接理解和操作任意图形界面，为本地化、隐私安全的自动化开辟新路径。
Mano-P 1.0是什么
Mano-P 1.0是明略科技开源的GUI-VLA智能体模型，采用纯视觉驱动，无需API可直接操控桌面软件与网页界面。模型提供72B完整版与4B量化版，支持Apple M4芯片本地部署，实现数据零上云与物理隔离级隐私保护。Mano-P 1.0在OSWorld等13项国际基准测试中取得SOTA成绩，以Apache 2.0协议开源，支持商业应用与二次开发。
Mano-P 1.0的主要功能
- GUI全链路操控：模型具备感知、理解、规划、操作与验证的完整能力，可直接操控桌面软件、网页界面及复杂图形化工作流，支持点击、文本输入、窗口切换、视觉验证等闭环动作。
- 纯视觉理解：不依赖底层API、CDP协议或HTML解析，通过像素级视觉理解直接”看懂”屏幕内容，打破传统浏览器生态边界，可处理非标准应用、3D软件及跨系统协作场景。
- 端侧本地部署：支持Apple M4芯片设备（Mac mini/MacBook）本地运行，也可通过USB 4.0连接算力棒。数据零上云，实现物理隔离级隐私保护，无网环境下仍可自主执行长任务。
- Agent生态集成：作为Skill无缝接入OpenClaw、Claude Code等AI Agent，为其提供GUI执行能力底座，解决复杂工作流中的人工干预瓶颈。
Mano-P 1.0的技术原理
- GUI-VLA 架构：基于视觉-语言-动作多模态框架，模型直接解析屏幕像素信息，结合自然语言指令输出具体操作坐标与动作，无需依赖 API 或 HTML 解析即可跨平台操控任意图形界面。
- 三阶段渐进训练：采用监督微调奠定基础能力，经离线强化学习优化策略，最终通过在线强化学习实现实时环境反馈与动态纠错，形成从感知到执行的闭环优化。
- GSPruning 剪枝加速：通过专有视觉 Token 剪枝技术压缩冗余视觉信息，配合 4-bit 量化方案，使 4B 模型在 M4 芯片端侧实现 476 tokens/s 推理速度，内存占用仅 4.3GB。
- 端云双版本设计：72B 完整模型部署于云端处理复杂任务，4B 量化模型专注端侧本地运行，结合长上下文理解能力，支持离线环境下的自主任务规划与多步决策。
如何使用Mano-P 1.0
- 获取代码：访问 GitHub 仓库克隆项目源码与文档。
- 选择模式：当前可将 Mano-CUA Skill 配置至 OpenClaw 或 Claude Code。
- 配置集成：将 Skill 接入目标 Agent，使模型获得跨应用 GUI 感知与自动化操作能力。
- 本地部署：在 Apple M4 芯片设备（32GB+ 内存）上运行 4B 量化模型，实现数据零上云的离线操作。
- 开始使用：通过自然语言指令驱动 AI 自动解析屏幕，完成点击、输入、窗口切换等复杂工作流。
Mano-P 1.0的关键信息和使用要求
-
产品定位：Mano-P 1.0 是明略科技开源的 GUI-VLA 智能体模型，通过纯视觉理解直接操控桌面软件与网页界面，无需依赖 API 接口。
-
开源协议：采用 Apache 2.0 协议全面开源，完整代码可审计，支持商业使用与二次开发。
-
模型版本：提供 72B 完整模型（云端高性能）与 4B 量化模型（端侧本地部署）双版本架构。
-
性能表现：在 OSWorld、ScreenSpot-V2 等 13 个国际权威基准测试中取得 SOTA 成绩，OSWorld 任务成功率达 58.2%。
-
核心优势：纯视觉驱动打破传统自动化边界，支持跨应用工作流与复杂图形界面操作。
-
硬件配置：本地部署需 Apple M4 芯片及以上设备，配备 32GB 以上内存，或通过 USB 4.0 连接 Mano-P 算力棒。
Mano-P 1.0的核心优势
- 纯视觉驱动：无需 API、HTML 或底层协议，直接通过像素级理解操控任意桌面软件与 3D 应用，打破传统自动化边界。
- 端侧本地部署：支持 Apple M4 芯片设备本地运行，4B 量化模型仅需 4.3GB 内存，实现数据零上云的物理隔离级隐私保护。
- 离线自主能力：无网络环境下可自主规划并执行复杂长任务，具备实时决策与自我纠错能力。
- 性能标杆：72B 版本在 OSWorld 等 13 项国际基准测试中取得 SOTA，OSWorld 任务成功率 58.2%，领先同类模型 13.2 个百分点。
- 开源生态：Apache 2.0 协议全面开源，完整代码可审计，支持商业应用与二次开发，无缝接入 OpenClaw、Claude Code 等 Agent 生态。
Mano-P 1.0的项目地址
- GitHub仓库：https://github.com/Mininglamp-AI/Mano-P
Mano-P 1.0的同类竞品对比
| 对比维度 | Mano-P 1.0 | OpenCUA-72B | Claude Computer Use |
|---|---|---|---|
| 开发方 | 明略科技 | 开源社区 | Anthropic |
| 模型版本 | 72B 完整版 / 4B 量化版 | 72B | Claude 3.5 Sonnet（闭源） |
| 开源协议 | Apache 2.0（可商用） | 开源 | 闭源 |
| OSWorld 成绩 | 58.2% | 45.0% | 未公开/约 40% 区间 |
| 部署方式 | 本地端侧 + 云端 | 本地 GPU / 云端 | 仅云端 API |
| 端侧硬件要求 | Apple M4 芯片，32GB 内存，4.3GB 峰值显存 | 需高配 GPU（如 A100），无专用量化版 | 不支持本地部署 |
| 离线能力 | 支持长任务离线自主执行 | 支持离线 | 必须联网 |
| 视觉方案 | 纯视觉理解（像素级） | 纯视觉 | 视觉 + 文本混合 |
| 集成方式 | Skill 接入 OpenClaw/Claude Code | 需自行开发接口 | 仅限 Claude Code 生态 |
Mano-P 1.0的应用场景
- 跨应用办公自动化：自动在 Excel、ERP、邮件客户端间迁移数据，完成报表生成、邮件分发等跨系统办公流。
- 复杂软件操控：直接操控 Photoshop、CAD、3D 建模等专业设计软件，以及无 API 接口的 legacy 系统。
- 端到端软件测试：自动执行 UI 界面点击、表单填写、结果验证，完成无人工干预的全流程应用测试。
- 隐私敏感业务处理：本地运行处理财务报表、医疗记录等敏感数据，确保信息不出本机，满足合规要求。
- 离线场景自动化：在无网络环境下自主完成数据录入、文档处理、系统运维等长周期复杂任务。
📝 站长洞察 (Editor’s Insight)
Mano-P 1.0的发布，标志着GUI自动化从“基于规则”或“混合感知”正式迈入“纯视觉端到端”时代。其核心价值不仅在于SOTA的基准成绩，更在于它验证了一种极具前景的技术范式：利用大规模视觉-语言-动作模型，直接映射屏幕像素到操作坐标，从而绕过对软件内部接口的依赖。这彻底解放了自动化能力的边界，理论上可操控任何带图形界面的软件。支持Apple M4芯片本地部署的4B量化版，则直击了当前AI应用最敏感的“数据不出本机”需求，为金融、医疗、政务等强合规领域打开了实用化大门。从生态角度看，其作为“Skill”接入主流Agent平台的设计，展现了明略科技构建底层能力而非封闭产品的战略眼光。尽管端侧算力、复杂场景的鲁棒性仍是挑战，但Mano-P无疑为通向真正的“计算机使用代理”铺下了一块关键基石，其开源选择将极大加速整个社区在GUI Agent领域的探索进程。
